魏敏

摘要：隨著娛樂業(yè)的迅猛發(fā)展，其財務(wù)風險變得日益突出，對娛樂業(yè)的財務(wù)風險進行監(jiān)管已勢在必行，目前對于娛樂業(yè)財務(wù)風險預警的研究存在嚴重不足。為了有效防范娛樂業(yè)的財務(wù)風險，現(xiàn)通過對娛樂行業(yè)財務(wù)風險分析選取財務(wù)預警指標，構(gòu)建基于BP神經(jīng)網(wǎng)絡(luò)的娛樂業(yè)財務(wù)風險預警模型，擺脫了人為在確定權(quán)重時的困難，以及隨機性和模糊性的影響，并利用SPSS數(shù)學分析軟件對樣本進行訓練以及仿真驗證，預測娛樂業(yè)的財務(wù)風險。

關(guān)鍵詞：財務(wù)預警;BP神經(jīng)網(wǎng)絡(luò);娛樂業(yè)

中圖分類號：F275? ? 文獻標識碼：A

文章編號：1005-913X（2019）12-0102-04

一、引言

隨著娛樂業(yè)的不斷拓展，其面臨的風險也變得越來越多，傳統(tǒng)的財務(wù)理論，如持續(xù)經(jīng)營的假設(shè)早已不能夠滿足現(xiàn)在企業(yè)實際情況，當今企業(yè)的發(fā)展面臨的不確定性因素越來越多，所以企業(yè)需要進行必要財務(wù)風險預警以便能夠制訂合理的發(fā)展策略。良好的風險預警能夠在風險到來之際，預測給企業(yè)帶來損失的嚴重性，使企業(yè)及時做好防范措施，加強管理，并且進行正確的識別與評估收益以及風險成本，在最大程度上降低財務(wù)風險帶來的損失。

BP神經(jīng)網(wǎng)絡(luò)是目前為止我國使用比較多的數(shù)據(jù)挖掘手段之一，它最本質(zhì)的作用就是調(diào)整每個層之間的權(quán)值即參數(shù)值，從而使其本身能夠?qū)颖炯M行記憶。BP神經(jīng)網(wǎng)絡(luò)的算法結(jié)構(gòu)總體來說比較簡單，易于被使用者接受，大多數(shù)神經(jīng)網(wǎng)絡(luò)所面臨的問題它基本上都可以解決，是一種比較優(yōu)秀的運算模型。研究基于BP神經(jīng)網(wǎng)絡(luò)構(gòu)建了娛樂業(yè)的財務(wù)風險預警模型，并利用 SPSS 軟件對建立的模型進行訓練以及驗證，期望所建模型能夠解決邏輯回歸模型、單變量以及多變量模型等存在的缺陷，進而得出比較準確的且令人滿意的財務(wù)風險預警效果。

二、娛樂業(yè)財務(wù)風險

（一）流動性風險

流動性風險通俗的講就是娛樂業(yè)資金在流轉(zhuǎn)過程中存在的風險。如：不能準時付現(xiàn)、不能正常現(xiàn)金轉(zhuǎn)移等。從這個層面上來講，我們可以把娛樂業(yè)的流動性風險分為兩種，即償付能力以及變現(xiàn)能力帶來的風險。變現(xiàn)能力造成的風險是由于娛樂業(yè)的資產(chǎn)在轉(zhuǎn)移的過程中不能實現(xiàn)明確有效的結(jié)果，則帶來一定的風險;償債能力和支付能力導致的風險是因為娛樂業(yè)現(xiàn)金不夠充足或者現(xiàn)金不能夠清償債務(wù)帶來的問題。

（二）投資風險

一般情況下，市場的商品供給數(shù)量、購買者的需求結(jié)構(gòu)、市場供求等各種因素的變化都是無法準確預測的，甚至根本沒有預料到。所以，投資活動就會給娛樂業(yè)的公司帶來無法預測的風險，例如，最終的收益偏離預期的收益。

（三）經(jīng)營風險

經(jīng)營風險又可以稱為營業(yè)風險，主要是由于意料之外的匯率變動或者經(jīng)營的各個環(huán)節(jié)中存在的不確定性因素導致企業(yè)經(jīng)營性的現(xiàn)金流運動發(fā)生遲滯、產(chǎn)品價值變動等問題。娛樂業(yè)在經(jīng)營過程中容易存在銷售假冒產(chǎn)品，違約行為，發(fā)生不正當競爭行為以及虛假宣傳行為等，這些錯誤的行為都會給企業(yè)的財務(wù)帶來不同程度的影響。因此，要加強娛樂業(yè)的財務(wù)風險管理首先要從企業(yè)經(jīng)營過程中每一個細小的環(huán)節(jié)進行管理。

（四）資金回收風險

娛樂業(yè)在經(jīng)營過程中會有大量的資金用于投放，那么資金的回收就會成為問題，成品資金不一定能夠完全的轉(zhuǎn)化成結(jié)算資金，如：制作一部電影、建立娛樂場所等，但是后期的收益如何無從知曉，或者結(jié)算資金不一定能夠轉(zhuǎn)化成貨幣資金。

（五）籌資風險

企業(yè)的籌資風險主要是由債務(wù)和權(quán)益兩種籌資帶來的風險。因為宏觀經(jīng)濟的變化以及資金供求和需求市場的改變，娛樂業(yè)在籌措資金的時候會給公司的財務(wù)成果帶來不確定的影響，所以，無論企業(yè)采用哪種籌資方式都會帶來一定的財務(wù)風險。

三、研究設(shè)計

（一）建立娛樂業(yè)財務(wù)風險預警指標體系

1.娛樂業(yè)財務(wù)風險預警指標的選取原則

第一，相關(guān)性原則。選取的指標要與娛樂業(yè)實際經(jīng)濟活動的財務(wù)風險具有緊密的聯(lián)系，管理者能夠依據(jù)該指標發(fā)現(xiàn)財務(wù)風險的異動，并及時作出防范措施。

第二，可比性原則。在選取指標時不僅要能使各個娛樂業(yè)企業(yè)之間具有可比性，而且還要使指標能夠反映娛樂行業(yè)整體的財務(wù)風險情況，同時能夠進行科學合理的轉(zhuǎn)換。

第三，重要性原則。所選的指標在一定程度上對于衡量娛樂業(yè)的財務(wù)風險具有重要性，同時能夠反映娛樂業(yè)實際的經(jīng)濟活動，當選取多個指標時能夠綜合地體現(xiàn)出娛樂業(yè)財務(wù)活動的主要矛盾。

第四，先行性原則。娛樂業(yè)的運營狀況要與所選取的指標特征量大體上具有一致性，或者指標特征量要對于娛樂業(yè)運營情況略有超前，從而能夠敏感地反映出娛樂業(yè)財務(wù)風險的發(fā)展方向以及發(fā)生情況。

第五，可操作性原則。所選取的指標不僅要與國際上的規(guī)章條例相符，而且還要符合我國娛樂業(yè)自身的發(fā)展水平現(xiàn)狀，并且要求數(shù)據(jù)來源可靠，能夠從眾多的經(jīng)濟數(shù)據(jù)中提取出有關(guān)聯(lián)的可靠信息，獲取時不需要消耗大量的人力與物力，指標與指標之間相關(guān)性較弱，易于量化，推理計算過程科學合理。

2.選取娛樂業(yè)財務(wù)風險預警指標

依據(jù)上述的指標選取原則，通過閱讀相關(guān)文獻，并結(jié)合娛樂業(yè)的實際基本情況，綜合選取了如表1所示的20個財務(wù)風險預警指標。

（二）風險預警模型構(gòu)建

研究選取了58家娛樂業(yè)A股上市公司作為研究對象，抽取以上公司2009年到2018年披露的年度財務(wù)報告數(shù)據(jù)作為研究樣本，關(guān)于數(shù)據(jù)缺失的部分，采取算數(shù)平均法將其補充完整，所有有效數(shù)據(jù)來自于國泰安數(shù)據(jù)庫。運用的是BP神經(jīng)網(wǎng)絡(luò)，它是由輸入層、隱藏層、輸出層三部分構(gòu)成。一般情況下，三個層次的BP神經(jīng)網(wǎng)絡(luò)足夠得到比較精確的結(jié)果，雖然增加網(wǎng)絡(luò)的層數(shù)在一定程度上可以降低誤差，表現(xiàn)能力強，但是網(wǎng)絡(luò)層次變多會導致網(wǎng)絡(luò)結(jié)構(gòu)龐大，同時也會增加其訓練時間。綜合考慮之后，研究選取由一個輸入層、一個隱藏層和一個輸出層組成的BP神經(jīng)網(wǎng)絡(luò)模型。

1.因子分析

對于BP神經(jīng)網(wǎng)絡(luò)來說，如果輸入的變量過多，會使得網(wǎng)絡(luò)結(jié)構(gòu)變得很復雜，效率下降。因此，研究采取因子分析的方法來達到減少變量的目的。選用KMO檢驗和Bartlett s檢驗，通過表2可以看出KMO的檢測值為0.547，Bartlett s的顯著度概率為0.000，說明抽取的數(shù)據(jù)樣本符合做因子分析的條件。研究將選取的20個財務(wù)風險預警指標進行因子分析，使用的工具是SPSS21.0，最后一共選取了8個公共因子（如表3），累計方差貢獻率為75.898%，理論上娛樂業(yè)財務(wù)風險的絕大部分信息是可以被這8個公共因子所覆蓋的。通過因子旋轉(zhuǎn)成分矩陣（如表4）可以得到。在D1中有三個指標載荷較大：m10總資產(chǎn)增長率為0.962、m11凈利潤增長率為0.963、m12利潤總額增長率為0.978，D1可命名為發(fā)展能力因子;在D2中有兩個指標載荷較大：m13速動比率為0.942、m15流動比率為0.938，D2可以命名為償債能力因子;在D3中有一個指標載荷較大：m14資產(chǎn)負債率為0.995，D3可以命名為資產(chǎn)負債因子;在D4中有兩個指標載荷較大：m3總資產(chǎn)周轉(zhuǎn)率為0.855、m4流動資產(chǎn)周轉(zhuǎn)率為0.921，D4可以命名為營運能力因子;在D5中有兩個指標載荷較大：m18公司現(xiàn)金流為0.914、m19股權(quán)現(xiàn)金流為0.903，D5可以命名為現(xiàn)金流動能力因子;在D6中有兩個指標載荷較大：m6營業(yè)利潤率為0.839、m17營業(yè)收入現(xiàn)金凈含量為0.847，D6可以命名為營業(yè)能力因子;在D7中有兩個指標載荷較大：m7投入資本回報率為0.760、m8成本費用利潤率為0.808，D7可以命名為盈利能力因子;D8于m16現(xiàn)金流利息保障倍數(shù)上載荷為0.840，D8可以命名為現(xiàn)金流因子。將選取的8個因子作為BP神經(jīng)網(wǎng)絡(luò)的輸入變量。

2.輸入層設(shè)計

神經(jīng)網(wǎng)絡(luò)的輸入數(shù)據(jù)應(yīng)該是全面描述娛樂業(yè)財務(wù)風險的指標，已經(jīng)對財務(wù)風險的預警指標進行了選取，并且對樣本數(shù)據(jù)進行了因子分析，不同的娛樂業(yè)財務(wù)風險指標會形成不同的節(jié)點數(shù)對應(yīng)不同的網(wǎng)絡(luò)模型，因子分析中篩選的12個風險指標的個數(shù)其實也就是輸入節(jié)點的個數(shù)。因為評價體系中數(shù)據(jù)單位不一致，所以為了使所有數(shù)據(jù)在系統(tǒng)中具有可比性，就需要在輸入前對選取的指標數(shù)據(jù)進行標準化的處理。

3.隱藏層設(shè)計

隱藏層節(jié)點的作用就是在大樣本數(shù)據(jù)中發(fā)現(xiàn)他們之間存在的規(guī)律并同時把這種規(guī)律儲存起來。因此，當隱藏層的節(jié)點過多時，存在把研究樣本中沒有規(guī)律的東西學會記牢的情況，并且訓練效率不高，學習時間過長，泛化能力下降;但是隱藏層的節(jié)點過少，神經(jīng)網(wǎng)絡(luò)從研究樣本中提取信息的能力很有可能無法體現(xiàn)以及概括訓練樣本中的規(guī)律。在結(jié)合企業(yè)實際的情況，并且多次訓練后發(fā)現(xiàn)，節(jié)點數(shù)為6時收斂速度最快，因此，研究確定的隱藏層節(jié)點數(shù)為6個。

4.輸出層設(shè)計

研究將娛樂業(yè)財務(wù)風險狀況劃分為財務(wù)正常和財務(wù)有風險兩種情況，主要判斷依據(jù)有公司的股票是否被冠以ST的頭銜，公司是否有退市預警，公司是否受到處罰以及公司的年度報告財務(wù)結(jié)果等。輸出節(jié)點其實就是對應(yīng)的評價的結(jié)果，輸出為[-1]時代表重度財務(wù)風險預警，[0]代表輕度財務(wù)風險預警，[1]代表無財務(wù)風險預警。輸出的節(jié)點一共是3個。

5.神經(jīng)網(wǎng)絡(luò)訓練與測試

將58家娛樂業(yè)上市公司的樣本數(shù)據(jù)分為兩個部分，其中70%的數(shù)據(jù)作為訓練基，剩下的30%作為檢測基，得到樣本判定結(jié)果表5所示，在223個無財務(wù)風險的數(shù)據(jù)樣本中，沒有任何一個數(shù)據(jù)樣本得到誤判的結(jié)果，正確判定率達到了100%，這樣的結(jié)果是比較理想的，然而對于重度風險以及輕度財務(wù)風險的正確判定率只有68.8%、30.0%。相比較無財務(wù)風險的訓練結(jié)果這兩種結(jié)果較為不理想，但是整體正確判定率為95.2%。測試樣本的整體確定判定率為93.8%，從綜合的角度來看，訓練和測試正確率都很高。對于重度財務(wù)風險和輕度財務(wù)風險正確判定率比較低，之所以存在這種誤差除了一些系統(tǒng)上的誤差外，主要還有樣本本身的一些限制，出現(xiàn)財務(wù)問題的企業(yè)比較少，較少的樣本造成BP神經(jīng)網(wǎng)絡(luò)無法得到充分的訓練以及學習，到最后影響到測試樣本的準確率，但是對于財務(wù)健康的樣本數(shù)據(jù)比較充足，103個無風險測試樣本正確判定率為99%。

四、結(jié)論

研究成功地構(gòu)建了娛樂業(yè)的財務(wù)風險預警模型，預測結(jié)果的綜合正確率高達93.8%，可以為娛樂業(yè)上市公司提供比較準確的信息，采用計算機的數(shù)據(jù)運算以及算法設(shè)計不僅非常的方便快捷，而且在一定程度上消除了人為的影響因素，因此，可以保證結(jié)果的真實性，縮小誤差，增加客觀性，具有動態(tài)跟蹤比較的優(yōu)點。模型能夠為娛樂業(yè)在實際運營的過程中提供比較可靠的依據(jù)和科學的手段，使經(jīng)營者盡一切可能將損失控制在較小的范圍內(nèi)。建立有效的財務(wù)風險預警機制，能夠在一定程度上提升企業(yè)的競爭力，而且提高了財務(wù)工作人員的風險意識，從而保證企業(yè)資產(chǎn)的安全。企業(yè)應(yīng)該結(jié)合自身實際狀況，科學合理的選取財務(wù)風險預警指標，正確地選取進行財務(wù)風險預警的工作人員，建立一個高效實用的財務(wù)風險預警機制，從而能夠及時監(jiān)測到企業(yè)的財務(wù)風險，并采取有效的方法加以防范，從而促進公司在激烈的市場競爭中謀求更好的發(fā)展。

研究也存在一些不足之處：選取的樣本數(shù)據(jù)只有58家上市娛樂公司，并且由于有些年份缺失，數(shù)據(jù)不夠齊全，特別是出現(xiàn)財務(wù)危機的公司較少，因此對輕度財務(wù)風險和重度財務(wù)風險的公司訓練程度不夠，導致預測結(jié)果不夠準確。除此之外，隨著時間的變化，娛樂業(yè)的財務(wù)風險因素應(yīng)該也是在變動的，對于預警指標選取后應(yīng)該進行顯著性分析，但是只進行了因子分析。財務(wù)風險預警指標體系不僅要包含財務(wù)指標，還要包含一些非財務(wù)指標，會使預測結(jié)果更加準確。

參考文獻：

[1] Alessio Ciarlone， Giorgio Trebeschi. Designing? an? Early Warning System for Debt Crises[J].Journal of Accounting Research，2005 （9）.

[2] William? H.? Beaver.” Financial? ratios? as? predictors? ?of failure”，[J].Empirical Research in Accounting Selected Studies，Supplement to Journal of Accounting Research，1996（41）.

[3] 姜雨杉.基于BP神經(jīng)網(wǎng)絡(luò)的節(jié)能環(huán)保行業(yè)上市公司財務(wù)風險預警研究[D].南京：南京航空航天大學，2018.

[4] 趙海燕，李 娟.上市公司財務(wù)風險預警模型研究——基于未確知測度模型[J].財會通訊，2015（4）.

[5] 王 穎，馬 亮，白 居，張云霞.基于神經(jīng)網(wǎng)絡(luò)的大型國際工程財務(wù)風險控制評價[J].同濟大學學報：自然科學版，2015（7）.

[6] 曹 彤，郭亞軍.基于神經(jīng)網(wǎng)絡(luò)模型的上市公司財務(wù)風險預警研究——來自山東省制造業(yè)數(shù)據(jù)[J].財會通訊，2014（9）.

[7] 尤 璞，武 戈.基于 PCA- BP 神經(jīng)網(wǎng)絡(luò)的上市公司財務(wù)預警策略[J].統(tǒng)計與決策，2012（22）.

[責任編輯：王 旸]