神经网络在公司财务风险预警中的应用

《神经网络在公司财务风险预警中的应用》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第期水运科学研究所学报年月神经网络在公司财务风险预警中的应用刘兆峰’摘要针对现行企业财务风险预警方法的弱点,提出应用神经网络对其进行综合评价,并通过实际数据的计算对方法的适用性给予了验证。关键词企业财务风险神经网络感知器,前言一个公司财务状况的好坏往往是企业自身、投资者和债权人关注的焦点。因为一个营运良好、财务健康的公司不但可以提高自身在市场上的信誉及扩展筹资渠道,也使投资者信心倍增。相反,一个陷人财务困境或濒临破产的企业无力吸引投资,而更让原投资者面临巨大的信用风险。年代以来,由财务危机引发企业破产而逃废债务的例子屡见不鲜。因此及早地发现公司财务危机“信号”,使

2、经营者能够在财务危机的萌芽阶段采取有效措施,“”、改善企业经营防范危机使投资者和债权人可依据这种信号及时转移投资管理应。收帐款及作出信贷决策中国证券监督委员会【’】于年月日颁布了证监交字【号文件《关于上市,“”公司状况异常期间的股票特别处理方式的通知》要求证券交易所对状况异常的上市公司实行股票交易的特别处理,简称为。特别处理的强制措施包括“特”。“”“”“别处理股票报价日涨跌限制为这里的状况异常指财务状况异常和其他状况异常”。前者指“连续两年亏损”或“每股净资产低于股票面值”后者主要指自然灾害、重大事故等导致公司生产经营活动基本终止,公司涉及可能赔偿金额超过本公司

3、净资产的。,,“”诉讼等情况由于后者具有不确定性难以预测所以一般只是对财务状况异常进行分析。特别处理给公司带来了巨大的压力,迫使经营者必须改善生产经营,并且还要受到收稿‘二大学经济学院日期一一作者单位武汉理水运科学研究所学报年第期证监会的更严格监控。对于一般投资者而言,公司业绩差,财务状况存在严重问题,对。对未上市的,、、其投资必须谨慎一般公司来说财务陷人危机会给经营者投资者债权人带来沉重的负担,如措施,、,甚至引发严重的社会问题。不当会造成企业破产资产流失“”,“”财务危机在爆发前是有一些征兆的我们可以根据这些征兆来采取措施预防。“”它的发生以征兆为研究对象的预

4、测财务状况恶化的方法就是提醒有关方面注意的预。,替器通过这样的预测债权人可以避免贷款的风险投资者能够事先得到企业财务风险的警报审计师可以准确判断企业是否经营良好,当某公司持续经营存在大量问题时,避“”,免因未能正确批露其经营失败而招致法律诉讼经营者提早获取失败的信号可以减少其在会计、律师等方面所支付的费用对于那些准备借“壳”或买“壳”上市的公司,在寻找重组的目标公司时,预测也是必不可少的国有资产管理部门可以据此对国有企业经营者作出评价政府部门可以提醒企业管理当局或事先采取经济措施防止因企业破产引发。严重的社会问题等等然而,目前我国有关财务状况预测的研究尚处于起步阶

5、段,这与市场经济的发展很不。适应国内现流行的分析公司财务状况的方法主要有单纯使用比率指标和以为代表的综合评价法,但二者都存在着。一定不足之处由于企业运作和财务分析本身的复杂性,使用单纯比率指标法受下列问题的困扰单一比率指标的比较往往说明不了问题比率标准的确定很难做到客观、全面和有效一个单一比率的比较结果有时能被用来做出截然不同的解释对一个企业的各个财务比率分别做出比较之后仍然不易做出对该企业的综合评价由于各国的会计制度本身允许各企业做出不同的会计选择,造成某些单一比率上可。能出现各企业之间的不可比性而以等以主观赋值方法确定权值为代表的方法进行综合评价存在以下局限性

6、需要依赖大量的相对完整的历史数据依靠过去的经验判断现在的状况,在市场形势高速变化时有可能不适应形式。要求一定数量的专家组成专家组进行主观赋值专家的遴选对结果影响很大由于,。不可避免的使用主观判断的方法容易带有主观片面性。有的学者应用神经网络及多元判定分析模型来作出预测神经网络计算非常复杂,且模型的解释性差多元判定分析遵循费雪准则,即判别的结果是两组间区,,。别最大而组内离散性最小计算非常繁琐而神经网络的感知器特别适用于模式的分类问题。,相当当它用于两类模式分类时于在高维样本样本空间中用一个超平面将两类样本。,,分开已证明如果两类模式是线性可分的指存在一个超平面将它

7、们分开。则算法一定是收敛的本文正是基于感知器的这一优点而研究其在公司财务风险预警中的。应用研究对象的确定由于上市公司的数据容易获取,而且数据质量相对来说较为可信,因此文中选取了上市公司为研究对象把其中的公司界定为财务失败的企业,选取了深、沪两市在年宣布的家公司同时还相应地选择相同年份、同行业、同规模的家非公司刘兆峰神经网络在公司财务风险预警中的应用。作为财务状况良好的样本按照股票代码从小到大的顺序随机抽取了家公司和巧家非公司组成网络的训练样本,剩下的家公司和家非公司组成了检验样本来验证模型的预测效果。对非上市公司而言,模型显然也是适用的。。选取的样本情况见表和表表

8、,训练样本