董靜

摘要：通過t檢驗和相關(guān)性檢驗合理選擇財務(wù)指標(biāo)，基于灰色理論中Verhulst模型和神經(jīng)網(wǎng)絡(luò)建立了Verhulst與BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型對企業(yè)財務(wù)狀況進行預(yù)警分析。實證研究結(jié)果表明，該模型能夠有效反映企業(yè)財務(wù)狀況的發(fā)展趨勢，從而為財務(wù)風(fēng)險預(yù)警提供了新的研究方法。

關(guān)鍵詞：灰色理論；神經(jīng)網(wǎng)絡(luò)；財務(wù)預(yù)警

中圖分類號：F23

文獻標(biāo)識碼：A

文章編號：1672—3198（2014）10—0134—01

1引言

隨著我國的經(jīng)濟技術(shù)的不斷發(fā)展，對于企業(yè)的財務(wù)預(yù)警也得到了更多人的重視，為了加強對企業(yè)的財務(wù)監(jiān)管，做好內(nèi)部控制工作，出現(xiàn)了大量的財務(wù)預(yù)警模型。根據(jù)國內(nèi)已有的文獻資料研究表明，迄今為止，財務(wù)預(yù)警模型研究涉及的模型類型極為豐富，經(jīng)歷了從單變量到多變量、從統(tǒng)計方法到非統(tǒng)計方法、從單一模式到混合模式的發(fā)展過程?；谏鲜隹紤]，本文運用灰系統(tǒng)理論中Verhulst模型結(jié)合BP神經(jīng)網(wǎng)絡(luò)模型構(gòu)建出的預(yù)測模型，對四川省礦產(chǎn)資源類企業(yè)的財務(wù)狀況作出及時有效的預(yù)警。

2模型建立

2.1指標(biāo)選取

本文對以上16個指標(biāo)中選取變量指標(biāo)進行t檢驗和相關(guān)性檢驗相關(guān)性檢驗，以0.05作為t檢驗標(biāo)準(zhǔn)，去掉大于005的指標(biāo)，以0.7作為各變量指標(biāo)間多重共線性評估的標(biāo)準(zhǔn)，去掉具有高度共線的變量指標(biāo)。

綜合各種分析，本文最終選取每股凈資產(chǎn)、每股收益、每股現(xiàn)金含量以及流動比率作為預(yù)警模型采用指標(biāo)。

2.2樣本的選取

為了更好的獲取數(shù)據(jù)，本文選取兩類樣本，一類是用于訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本，這類樣本選取了全國20家上市公司（其中20家為st企業(yè)，20家為非st）。另一類是預(yù)測樣本，選取的是四川省6家礦產(chǎn)資源型上市公司（3家st公司和3家非st公司）。所有訓(xùn)練樣本中st公司選擇其被特殊處理的前一年的數(shù)據(jù)，即t-1年的數(shù)據(jù)。而預(yù)測樣本中st公司的數(shù)據(jù)為其被特殊處理前一年即t-1年的前四個季度的數(shù)據(jù)，若數(shù)據(jù)缺失則向前順延。

2.3Verhulst與BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型

本文構(gòu)建Verhulst與BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型具體步驟如下：

建立一個三層BP神經(jīng)網(wǎng)絡(luò)模型模型，其中由于指標(biāo)為四個，則輸入層神經(jīng)元個數(shù)由財務(wù)預(yù)警指標(biāo)確定為4個，輸出層神經(jīng)元只有1個即企業(yè)財務(wù)狀況的綜合評分，由于輸入神經(jīng)元是4個，本文選取了9個節(jié)點。對于傳遞函數(shù)，其中中間層本文采用S型正切函數(shù)tansig，而輸出層本文則采用了S型對數(shù)函數(shù)logsig，目的是滿足輸出值映射到0，1之間。對于BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練函數(shù)，本文采用trainlm函數(shù)，設(shè)置訓(xùn)練次數(shù)為1000次，訓(xùn)練目標(biāo)為0.01。為了更好，更方便的實現(xiàn)其預(yù)警能力，本文利用訓(xùn)練樣本訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)。其中網(wǎng)絡(luò)訓(xùn)練樣本的輸入即建模樣本中上市公司的4種財務(wù)預(yù)警指標(biāo)數(shù)據(jù)，目標(biāo)輸出即當(dāng)前上市公司的實際財務(wù)狀況。由于本文所選的上市公司分為ST與非ST兩大類別，因此將其分為兩個判別組，即安全與危機。為了便于建模，需要對安全與危機概念進行量化處理，建設(shè)各訓(xùn)練樣本的目標(biāo)輸出為y，則有：當(dāng)y=0，輸入樣本為ST公司；當(dāng)y=1，輸入樣本為非ST公司。

利用灰系統(tǒng)理論中Verhulst模型對四川省6家礦產(chǎn)資源型企業(yè)的t-1年財務(wù)指標(biāo)做動態(tài)預(yù)測。

將灰色系統(tǒng)模型動態(tài)預(yù)測的結(jié)果作為訓(xùn)練完畢的BP神經(jīng)網(wǎng)絡(luò)的輸入，獲得企業(yè)的綜合評分，完成對企業(yè)的財務(wù)預(yù)警。如果輸出值越接近0，表示財務(wù)危機程度越嚴重，即財務(wù)狀況越危機；如果輸出值越接近1，表示財務(wù)危機程度越輕微，即財務(wù)狀況越健康。

3實證分析

3.1訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)模型

通過訓(xùn)練樣本訓(xùn)練出的BP神經(jīng)網(wǎng)絡(luò)。

建立一個三層BP神經(jīng)網(wǎng)絡(luò)模型模型，讓訓(xùn)練樣本訓(xùn)練這個網(wǎng)絡(luò)，得出訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型。通過Matlab 7.0 得出圖1所示的結(jié)果。

從圖1可以看出訓(xùn)練到第6步時，網(wǎng)絡(luò)的目標(biāo)誤差達到要求。

3.2灰系統(tǒng)Verhulst模型的預(yù)測結(jié)果

利用灰系統(tǒng)理論中Verhulst模型對四川省6家礦產(chǎn)資源型企業(yè)的t-1年財務(wù)指標(biāo)做動態(tài)預(yù)測。表2為預(yù)測的結(jié)果。

3.3預(yù)測樣本的預(yù)警結(jié)果

將灰色模型的動態(tài)預(yù)測結(jié)果作為訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)模型的輸入，從而建立企業(yè)財務(wù)危機的動態(tài)預(yù)警模型，模型所得預(yù)測結(jié)果如表所示。

從結(jié)果可以看出，ST公司財務(wù)狀況都被判定為危機，而非ST公司的財務(wù)狀況都被判定為健康，無一錯判。因此本文多建立的財務(wù)危機預(yù)警模型是有效的，可以對上市公司財務(wù)狀況進行動態(tài)預(yù)警。

4結(jié)束語

Verhulst與BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型可以實現(xiàn)財務(wù)指標(biāo)的趨勢預(yù)測實現(xiàn)財務(wù)危機的動態(tài)預(yù)警。實證分析顯示該方法具有良好的預(yù)警效果，能夠在實踐中加以利用。

參考文獻

[1]張玲.財務(wù)危機預(yù)警分析判別模型及其應(yīng)用[J].預(yù)測，2000，（6）.

[2]李帆，杜志濤，李玲娟.企業(yè)財務(wù)預(yù)警模型：理論回顧及其評論[J].管理評論，2011.

[3]秦小麗，田高良.基于灰色理論和神經(jīng)網(wǎng)絡(luò)的公司財務(wù)預(yù)警模型[J].統(tǒng)計與決策，2011，（16）.

[4]童新安，魏巍.灰色VerhulstBP網(wǎng)絡(luò)組合模型在預(yù)測中的應(yīng)用研究[J].計算機工程與應(yīng)用，2011，47（23）.

[5]劉思峰，謝乃明.灰色系統(tǒng)理論及其應(yīng)用[M].北京：科學(xué)出版社，2008：116117，155156.