基于bp神经网络和面板数据的上市公司财务危机预警

《基于bp神经网络和面板数据的上市公司财务危机预警》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、2007年2月系统工程理论与实践第2期文章编号:100026788(2007)0220061207基于BP神经网络和面板数据的上市公司财务危机预警12杨淑娥,王乐平(11上海对外贸易学院,上海201620;21西安交通大学,西安710049)摘要:在作者前期研究的基础上引入面板数据,以T22、T23期财务数据组合的面板数据(paneldata)作为研究样本,构建BP神经网络模型对上市公司的财务状况进行预测.实验表明,1)使用面板数据进行的BP神经网络预警分析显示出稳定、连续的预测性能,这正好适合构建具有实际应用价值的中长期预警模型,使模型具有广泛

2、的实践应用价值;2)模型提前3年和4年的预测能力分别为88146%和75164%,较之以往同行的研究及作者前期的研究精度均有较大的提高.关键词:财务危机;面板数据;BP神经网络;早期预警中图分类号:F27515文献标志码:AResearchonFinancialWarningforListedCompaniesbyUsingBPNeuralNetworksandPanelData12YANGShu2e,WANGLe2ping(11ShanghaiInstituteofForeighTrade,Shanghai201620,China;21Xi’a

3、nJiaotongUniversity,Xi’an710049,China)Abstract:Onthebasisoftheauthors’previousresearchandwiththeintroductionofpaneldata,thispaperconstructedaBPneuralnetworksmodeltopredictthefinancialstatusoflistedcompanies,bytakingpaneldatacomposedofthefinancialdataofT22andT23asthesample.The

4、researchindicatesthat:1)withpaneldata,theBPneuralnetworkswarninganalysisisofstableandcontinuouspredictability,whichissuitableinconstructingpracticalmid2termandlong2ermpredictionmodelstomakethemodelmoreapplicable;2)thepredictabilityprecisionis88146%and75164%forT23andT24,respec

5、tively,superiortothatofcounterpartsandthepreviousresearch.Keywords:financialdistress;paneldata;BPneuralnetworks;earlywarning1研究背景近十几年来,随着信息技术的迅猛发展,网络经济以其迅速、灵便以及个性化的特点俨然成为市场运行的重要形式.与此同时,留给企业应对风险的时间却越来越短,如何能够尽早地发现并防范风险,已经成为学术界与实务界共同关注的课题.国外自20世纪中期以来,关于公司财务危机预警的研究工作已经开展了近40年.国内这

6、方面研究的工作也进行了近10年的时间.然而纵观现有的研究成果,我们发现,这些研究基本上是以企业的横截面数据作为研究基础.特别是在企业中长期预警方面,主要进行横向的比较研究,而较少进行纵向的跟踪研究.笔者曾在2005年第1期本刊上发表有关PB神经网络在财务危机预警方[1]面的文章,然而只使用了前1年或前2年的截面数据进行预测.根据匿名评审专家的建议,我们继续进行连续研究;本文正是在前期研究的基础上引入面板数据,进行了T22、T23期的BP神经网络预警分析.实验表明,使用面板数据进行的BP神经网络预警分析特别显示出模型稳定、连续的预测性能,这正好适合

7、构建具有实际应用价值的中长期预警模型.2文献回顾收稿日期:2005206228资助项目:国家自然科学基金“基于AIS平台的企业多时段财务预警研究”(70372053;70672053)作者简介:杨淑娥,教授,博士生导师,主要研究方向:财务管理;王乐平,硕士研究生,主要研究方向:财务管理.62系统工程理论与实践2007年2月[2]Beaver(1966年)在单变量破产预测方面的研究被视为这个领域的里程碑.他分别考察了30个财务比率在企业陷入财务困境前1～5年的预测能力,发现了营运资金P总负债这一指标在破产前五年的预测正确率可以分别达到87%、79%

8、、77%、76%、78%.尽管他并不是为了寻求最佳的预测比率,而是着重观察这些比率在破产预测方面的能力,但是正如他在文章最后提到的,这个