基于神经网络的企业财务危机预警研究

黄晓波 高晓莹

【摘 要】 现阶段，激烈的市场竞争与动荡的经济环境给各行各业带来了前所未有的挑战，对于企业的经营者与投资者来说，能够准确预测财务危机并有效地规避财务危机具有重大的现实意义。制造业在我国经济中具有举足轻重的地位，文章以制造业上市公司为例，引入财务指标与非财务指标构建指标体系，运用因子分析对筛选的指标进行降维，使各个指标间不相关，消除多重共线性，以得出的公因子作为神经网络模型的输入层来提升神经网络的拟合效率，以企业被特别处理与没有被特别处理作为神经网络模型的输出层，运用此模型对财务危机进行预测。预测结果显示：该财务危机预警模型预测效果较好，能够帮助制造业上市公司识别潜在的财务危机。除此之外，根据结论得出企业的盈利能力是影响制造业上市公司财务危机的最主要因素。

【关键词】 制造业上市公司; 财务危机; 神经网络; 特别处理

中图分类号：F275  文献标识码：A  文章编号：1004-5937（2015）05-0030-05

一、引言

财务危机是企业由于生产经营不善、动荡的市场环境以及激烈的竞争带来的财务风险。Beaver（1966） and Altman（1968）把财务危机企业定义为已经经营失败的公司。由于国内数据的可获得性限制以及国内上市公司较少发生经营失败，国内大多数学者把因财务状况发生异常而被特别处理（ST或*ST）的公司定义为财务危机公司。因此综合国内外学者的相关研究并結合我国制造业上市公司的特点，本文将财务危机公司定义为被特别处理的公司。

企业财务危机是由企业内外部各种各样的矛盾积累而产生的。对于企业经营者而言，运用有效的财务危机预警系统可以早日发现企业生产经营中存在的问题，及时解决并防止危机的进一步恶化;对于企业的债权人及投资者而言，运用有效的财务危机预警系统可以更加准确地评估企业的财务状况，从而采取一系列有效措施保障债权以及投资安全。因此建立一个有效的财务危机预警模型是值得探讨的重要课题。

国内外大多数学者运用数学模型建立了财务危机预警系统。Fitzpatrick（1932） and Beaver（1966）建立了单变量预警模型，认为净利润/股东权益、股东权益/负债这两个财务指标能够较准确地预测财务危机;Altman（1968、1977）建立了多变量预警模型——Z值模型;Martin（1977）年构建了Logistic模型来预测财务危机，研究发现Logistic模型较其他模型预测准确率较高;吴世农、黄世忠（1986）首次对财务危机预警模型进行应用;周首华、杨济华等（1996）在前人研究的基础上提出了F模型;陈静（1999）首次把27家ST公司与非ST公司作为研究样本，分别引用单变量预警模型与多变量预警模型进行分析;傅荣、吴世农（2002）应用人工神经网络分析模型对财务危机进行预警，模型拟合较好，具有较高的预测率。

神经网络是新兴的预测技术，具有强大的非线性动态性、自适应、自组织、自学习能力，因此它被广泛应用到各个领域。神经网络模型有大型参数空间和更为灵活的结构，且可以接近多种统计模型。BP神经网络是目前应用较广泛的神经网络之一。它按误差逆传播算法对样本进行训练，也是一种多层前馈网络。BP神经网络由输入层、隐含层、输出层构成。每一层都具有神经元，每一层的神经元都与其他相邻层的神经元相连，它使用最速下降法，通过逆向传播来对网络权值和阈值进行调整，从而最小化网络的误差。而这种传播是依靠连接权系数的加强和抑制而实现的。

目前，很多学者把BP神经网络应用到财务预警中来，根据相关学者的研究发现，神经网络在财务预警中预测准确率较高。

基于以上相关研究，本文将财务危机公司定义为被特别处理的公司，引入财务指标与非财务指标构建指标体系，通过Mann-Whitney U检验对指标进行筛选，之后运用因子分析对筛选的指标进行降维，最后对该样本进行神经网络学习以准确评估财务风险。

二、财务危机预警应用问题

建立一个有效的财务危机预警模型对企业的经营者与投资者来说都具有重要的意义，然而建立有效的财务预警模型在我国主要局限在理论方面，并没有足够的实践。原因在于有效的财务危机预警模型必须以真实有效的财务信息为基础。然而现阶段，企业信息不对称使企业易产生道德风险，为了使企业股票在证券市场吸引更多投资者，得以持续挂牌上市，许多企业不对真实的会计信息进行披露，甚至对会计信息进行造假，对数据进行操纵。除此之外，监管机构对企业的监管以及审计部门对会计信息的审核等也需要进一步加强。另外，我国证券市场正处于发展阶段，公司一股独大现象严重，股权制衡度不够，企业总以自身利益为重，忽略投资者的利益，因此企业并不愿意采用可以同时维护投资者与经营者利益的财务预警。

三、财务危机预警模型构建

（一）样本选择

制造业在我国经济中具有举足轻重的地位，而且该行业样本量大，本文以制造业上市公司作为研究对象，依据2013年第四季度上市公司行业分类结果，选取2010—2013年49家首次被特别处理的制造业上市公司与49家近三年内没有发生财务亏损的公司T-3年数据为建模样本。样本配对以相同规模、相同子行业为原则。数据来源于国泰安数据库。由于各个指标数据具有差异性，因此对所有的数据进行Z-SCORE标准化，标准化公式为：

z=（x-μ）/σ               （1）

其中，z为标准分数，■为均值，■为标准差。

（二）指标体系构建

为了对财务状况进行全面预警，本文广泛初选的指标包括长期偿债能力指标、成长能力指标、现金流量指标、营运能力指标、盈利能力指标和短期偿债能力指标;之后对广泛选取的指标进行Mann-Whitney U检验，筛选出的指标在两组样本中具有显著差异，筛选出进入因子分析的指标如表1所示。

（三）因子分析

因为初步筛选出的指标较多且具有多重共线性，因此本文运用因子分析法对以上指标进行降维处理，以实现各个公因子间不相关且减少指标数量的目的。如表2所示，KMO检验为0.758，Bartlett的球形度检验方差为0，此结果表明以上指标适合作因子分析。

从表3可以看出，根据特征根大于1的提取方法，一共提取了5个公因子，解释的总方差累计为86.722%，表明这5个公因子可以代表以上指標。

因为旋转后的成分矩阵每个公因子上各个指标的载荷更加清晰，因此本文以旋转后的成分矩阵上的因子载荷为准。从旋转成分矩阵可以看出，公因子1上因子载荷较大的指标为X9、X10、X11、X12、X13、X14、X15、X16，可以衡量企业的盈利能力;公因子2上因子载荷较大的指标为X1、X2、X3、X4，可以衡量企业的长期偿债能力;公因子3上因子载荷较大的指标为X17、X18、X19，可以衡量企业的短期偿债能力;公因子4上因子载荷较大的指标为X5、X6、X7，可以衡量企业的发展状况与现金流量情况;公因子5上因子载荷较大的指标为X8，可以衡量企业的营运能力。详见表4。

从表5可以得出每个公因子的表达式：

Fi=∑AijXj          （2）

其中Aij为每个公因子的成分得分系数，Xj为各项指标。

（四）神经网络预警模型构建

本文设定企业发生财务危机为1，不发生财务危机为0，运用BP神经网络对财务危机进行预测。

通过表6可知，其中63.3%为训练样本，用于模型建立，36.7%的样本为保持样本，用于验证模型结果。输入层为5个公因子，输出层为分类变量。提取训练样本及保持样本情况如表6所示。

案例处理结果显示，训练样本数为62，保持样本数为36。

从表7、表8可以看出，在创建模型个案中，没有发生财务危机的个案中24个分类正确，7个被分类错误;发生财务危机的个案中有5个被判定为没有发生财务危机，26个个案分类正确，整体分类正确率为80.6%，这说明该模型能够很好地识别个案。由于建模样本预测结果过度乐观，保持样本可以帮助验证此模型，因此保持样本验证最终分类正确率为75.0%，表明该模型整体预测效果较好。

从表9可以看出，F1对企业财务危机的发生具有重要的影响，可见对于制造业上市公司来说，企业的盈利能力是影响财务危机状况的最主要因素。从表10可以看出被特别处理的企业盈利能力指标均值均低于没有被特别处理的企业，被特别处理的企业的营业利润率、销售净利率、息税前利润与营业收入比、息税前利润与资产总额比、总资产净利润率、净资产收益率、投入资本回报率及每股收益均值均为-0.8左右，息税前利润与资产总额比、总资产净利润率、净资产收益率、投入资本回报率极大值也为负，企业盈利能力较差，这样公司获得的现金流较少，企业偿债压力也会相应增加，可能会造成企业资金入不敷出等情形，企业经营业绩也会下降，不利于企业长期稳定发展，给企业带来了财务危机。

四、结论及建议

（一）结论

本文以98家制造业上市公司为例，选择被特别处理与没有被特别处理两类企业，引入财务指标与非财务指标构建指标体系，运用因子分析与神经网络模型建立一个财务危机预警模型以帮助企业识别潜在的财务危机，现得出结论如下：

通过建立神经网络模型来对制造业上市公司财务危机进行预测，预测准确率达到75%，能够对财务危机进行很好的预测。通过研究发现，制造业企业的盈利能力对财务危机的发生具有显著影响，盈利能力较差是财务危机发生的主要原因，要想减少财务危机的发生，应该提高企业的盈利能力。

（二）决策建议

1.提高企业盈利能力

首先，制造业具有固定资产与材料成本高、市场竞争激烈等特点。在保证产品质量与提高产品生产效率的同时，应该采取相应措施降低成本，例如：企业可以建立纵向价值链对企业的供应商及消费者进行深入了解，使企业管理延伸到上下游，可以增加企业竞争优势、降低企业成本;企业建立横向价值链对企业所处行业环境进行分析，及时了解企业的竞争者以便减少市场开发成本，增加企业盈利能力。其次，企业可以建立内部价值链对材料的采购、产品的生产、成品的销售进行准确的评估和预测。制造企业应该引入先进技术，给企业的产品生产打下坚实的基础，开发创新型产品，加强市场竞争力，以抢占国内外市场。最后，企业可以建设学习型组织，不断学习国内外先进技术，引进先进人才，提高企业核心竞争力。

2.优化预警模型

本文把样本划分为财务危机样本与非财务危机样本，然而财务危机的发生是一个逐渐深化的过程，今后研究的方向应该集中在这个过程上。另外，研究应该考虑到会计信息的真实性这个因素，这也是提高模型预测率的主要因素，而且本文研究的财务危机预警是长期预警模型，没有考虑短期风险和实时风险，今后的研究应该把重点放在长期预警与短期预警相结合上，以期有助于财务危机预警模型的完善。

【主要参考文献】

[1] 周首华，杨济华，王平.论财务危机的预警分析——F分数模式[J].会计研究，1996（8）：8-11.

[2] 陈超，李君.化工类上市公司财务危机预警研究——基于BP人工神经网络模型[J].会计之友，2012（20）：83-86.

[3] 李飞.财务预警问题研究——基于后经济危机时代中小企业的视角[J].会计之友，2013（17）：60-64.

[4] 王晓光，陈洁.引入财务重述的财务预警模型效率的实证研究——来自沪深两市A股制造业2009—2010年的经验证据[J].会计之友，2014（7）：75-78.