清洁能源上市公司财务绩效评价*——基于BP神经网络

中国地质大学（武汉）经济管理学院　查道林　漆俊美



清洁能源上市公司财务绩效评价*
——基于BP神经网络

中国地质大学（武汉）经济管理学院查道林漆俊美

摘要：本文借鉴前人构建的财务绩效评价指标体系，并结合清洁能源上市公司的特点，构建了清洁能源上市公司的财务绩效评价指标体系，并且选取了国泰安数据库中的50家企业A股上市公司，应用BP神经网络的相关理论，对清洁能源上市公司进行了评价，并对这五十家公司的财务绩效给出了排名。该研究对于相关上市公司的财务绩效评价具有一定的理论意义，对于清洁能源上市公司的管理和决策具有一定的参考价值。

关键词：清洁能源上市公司BP神经网络绩效评价

一、引言

党的十八大明确提出“大力推进生态文明建设”的决策，而生态文明建设的实质是把可持续发展提升到绿色发展的新高度上来。2014年，国家能源局局长吴新雄在全国能源工作会议上表示，国家能源局将大力发展清洁能源，进一步促进能源绿色发展，这对我国清洁能源的发展提出了新的要求。

清洁能源是指在生产或者使用的过程中不产生危害物质，不排放污染物的能源。清洁能源主要包括：水能、风能、核能、太阳能等。清洁能源和化石能源相比，具有明显的优势，主要体现在：清洁能源是一种可再生的能源，而化石能源是不可再生的，其储量在不断的下降；清洁能源在生产和使用过程中不产生对环境有害的物质，而化石能源产生的碳、硫等化合物会对空气、土壤等造成严重的污染。因此，新时期，大力推进清洁能源的发展，改变以石油和煤炭为主的产业结构，不仅是可持续发展的要求，也是生态文明建设的要求。

我国的清洁能源公司目前还处于起步发展阶段，清洁能源在整个能源结构中所占比较低（约占能源总量的16％），这与我国日益增长的能源需求是不匹配的。新时期，降低清洁能源公司的运作成本，提高企业绩效就显得刻不容缓。上市公司的绩效的好坏从根本上决定了该行业中资源配置的合理性和有序竞争性。合理地评价上市公司的财务绩效，能够正确的剖析影响企业经营发展中存在的问题，树立正确的市场观，因此研究清洁能源企业的财务绩效具有重要的意义。

本文在阅读了大量的绩效评价相关的文献的基础上，借鉴前人构建的财务绩效评价指标体系，并结合清洁能源上市公司的特点，构建了清洁能源上市公司的财务绩效评价指标体系，并且选取了国泰安数据库中的50家企业A股上市公司，应用BP神经网络的相关理论，对清洁能源上市公司进行了评价，并对这50家公司的财务绩效给出了排名。

二、文献综述

企业的财务绩效评价一直是国内外的热点研究课题，从整体上讲研究主要分为两大块：一是对上市公司的评价内容的拓展和指标体系的优化，二是从评价方法和理论上进行创新。常用的评价方法主要包括：层次分析法（AHP）、模糊综合评判（Fuzzy AHP）、数据包络分析等（DEA）。除此之外，王桢等人（2009）用改进的杜邦分析方法对上市公司的财务绩效进行了评价，该方法是考虑各财务比率内在联系的条件下，通过制定多种比率的综合财务分析体系来考察企业财务状况的一种分析方法。郑恒斌等人（2012）建立了评价指标体系，用主成分分析法对物流行业的上市公司进行了财务绩效评价，该方法的实质是对评价指标的一种降维处理。刘家瑛（2012）采用平衡计分卡的方法评价了高校财务绩效，该方法与之前的研究相比，最大的不同就是在指标体系中引入了非财务指标，说明了财务指标这一传统的指标不再是决定性的衡量手段，企业通过对平衡计分卡的应用将更加重视长远的工作绩效。颜佳华等人（2005）用BP神经网络研究了电子政务的绩效评价问题。BP神经网络相对于其他几种常见方法有其优势，主要体现在：上市公司绩效评价目前采用AHP、Fuzzy AHP、DEA等方法，都是基于专家打分为基础（或者称为德尔菲法），这些方法不可避免的存在着一定的主观性。而BP神经网络模型依靠其强大的学习功能，在给定的样本数据足够多的情况下，可以模拟出出具有精确权值的网络模型。该方法已经在石油储存识别、数据挖掘、模式识别等方面得到广泛的应用。经管神经网络类似一个黑匣子，但无数事实证明，其自身的强大学习能力可将需考虑的多种因素的数据进行融合，输出一个经非线性变换后较为精确的评估值。

研究发现，目前我国对清洁能源上市公司财务绩效评价的研究较少，而本文采用BP神经网络的相关理论对该问题进行了探讨。

三、清洁能源上市公司财务绩效指标体系建立

（一）样本选取与数据来源本文的数据源自于深圳市国泰安信息技术有限公司的数据库（GTA），选取了2014年底A股上市的50家清洁能源企业，这些企业主要来自于电力、风能、太阳能等行业。

（二）财务绩效评价指标选取国泰安的中国上市公司财务指标中从偿债能力、运营能力、盈利能力、风险承受能力、股东获利能力、现金流量能力、发展能力等共计十个方面总共提供了208种财务指标，能够全方位的了解上市公司的相关信息。为了尽量避免个人在指标体系构建时的太强的主观性，本文阅读了最新的22篇的财务绩效评价的相关文章，统计了各个主要二级指标的引用频率。引用率较高的指标说明这些指标在财务绩效评价中具有一定的权威性。本文参考了引用率较高的二级指标，并且结合清洁能源上市公司的特点，补充了相关指标，构建了清洁能源上市公司的财务绩效指标评价体系，见表1。

表1　清洁能源上市公司财务绩效评价指标体系

四、BP神经网络简介

神经网络是大脑的一阶特性描述，它是一个大量简单的处理单元组成的复杂的大规模非线性自适应系统，可以说，神经网络是大脑的一种抽象、模拟与简化。BP神经网络是神经网络中最典型的一种，它通过模拟人的大脑思考问题的方式，通过不断学习（训练）给定的样本数据，自适应的改变网络的权值和阈值来逼近模型的曲线，像人类的大脑一样具有判断和预测功能。

BP神经网络的结构如图1所示，主要包括输入层、中间隐含层和输出层三层结构。

图1　BP神经网络结构图

其算法的主要流程图如图2所示：

图2　BP神经网络的主要算法流程图

BP算法的主要步骤如下：

（1）利用0～1之间的随机数来初始化各个神经元的权值和阈值。

（2）对训练样本和期望输出进行归一化处理。归一化的计算公式：

重复下列过程直至满足收敛条件（Eall≤ε）第一，对于任意一个样本p，计算

正向过程：up，…，l-1Op，lxp，…，yp

包括两种学习方式：

五、实证分析

（一）网络训练与测试本部分结合样本和BP神经网络进行实证分析。主要应用matlab 2012a作为仿真平台。首先将五十个样本进行无量纲化处理（或者称“归一化”处理），通过训练这些样本来得到阈值和权值。需要说明的是，本文中的期望输出是通过专家评分法得到的。在网络训练中各个参数依次为：神经网络的隐含层神经元个数为100，目标误差为1.0X10-5，神经网络的训练函数为traingdx，迭代次数为22次，测试的结果和专家评价的结果相比如表2所示。通过表2不难发现，神经网络的训练结果比较接近于专家的评价结果，误差在可接受的范围，这说明训练结果良好，模型是可行的。

表2　网络训练结果与期望输出

（二）仿真评价通过前面的训练和测试，得到了神经网络的权值和阈值，结合上述参数，对其余的30家公司进行了仿真，将仿真结果和上述20家公司综合得到了这50家清洁能源上市公司的财务绩效排名，评价结果和排名见表3。

表3　清洁能源上市公司财务绩效评价排名

六、结论

基于BP神经网络，研究了我国清洁能源上市公司的财务绩效评价问题，该方法能够充分利用样本所提供的信息，通过网络的不断学习和训练，得到了财务绩效和各个指标之间的内在关系，弱化了主观因素的影响。最终得到网络输出均为数字，方便比较和排序，便于比较相同行业不同规模的企业的财务绩效。另外，财务绩效评价过程中，各个因素（指标）之间往往是相互影响的，呈现出非常复杂的非线性关系，而神经网络为解决该问题提供了强有力的工具。同时，在研究中，我们发现，BP神经网络的训练结果与期望输出之间的误差在允许的范围内，这也说明了BP神经网络在绩效评价研究中是行之有效的。

*本文系中国社科基金“产权会计视角下的我国稀土定价权问题研究”（项目编号：11BJY015）阶段性研究成果。

参考文献：

［1］刘家瑛：《平衡计分卡在高校财务绩效评价中的应用研究》，《价值工程》2012年第26期。

［2］颜佳华、宁国良、盛明科：《基于BP神经网络的电子政务绩效评价研究》，《中国管理科学》2005年第6期。

［3］王桢、李明伟：《改进杜邦分析体系下的上市公司财务分析》，《财会通讯》（综合·中）2009年第6期。

［4］郑恒斌：《基于因子分析法的物流行业上市公司财务绩效研究》，《财会通讯》（综合·中）2012年第12期。

（编辑刘姗）