制造業(yè)上市公司財務危機預警研究

馬彥召

[提要] 當代經(jīng)濟快速發(fā)展，企業(yè)應時刻關注自身的財務狀況，對未來存在的財務危機隱患提前關注，保持危機意識。制造業(yè)作為我國的支柱產(chǎn)業(yè)，在當前經(jīng)濟背景下，更應保持警惕，在抓住機遇發(fā)展壯大的同時，發(fā)現(xiàn)自身存在的問題，及時做出相應的調(diào)整，提前對企業(yè)即將出現(xiàn)的財務危機做出應對之策。

關鍵詞：制造業(yè)上市公司;BP神經(jīng)網(wǎng)絡模型;財務危機預警

基金項目：青海民族大學研究生創(chuàng)新項目：“制造業(yè)上市公司財務危機預警研究”階段性成果

中圖分類號：F27 文獻標識碼：A

收錄日期：2019年12月26日

我國制造業(yè)作為國家的支柱產(chǎn)業(yè)，對我國的經(jīng)濟發(fā)展具有極其重要的推動作用;但是，隨著大數(shù)據(jù)時代的到來，經(jīng)濟發(fā)展速度日益加快，制造業(yè)上市公司也相繼面臨著更多的危機與挑戰(zhàn)。財務狀況與企業(yè)的生存息息相關，如何利用相關數(shù)據(jù)幫助企業(yè)規(guī)避潛在的財務危機成為現(xiàn)代企業(yè)關注的重點。

傳統(tǒng)的預警機制大多數(shù)通過歷史數(shù)據(jù)構(gòu)建模型，對企業(yè)是否存在財務危機做出預測。Altman首次運用多元線性判別方法構(gòu)建財務危機預警模型，但是人們經(jīng)過實踐發(fā)現(xiàn)，該模型無法滿足選取的變量服從正態(tài)分布。Martin開創(chuàng)性地結(jié)合Logistic回歸模型對企業(yè)做出財務預警，經(jīng)過實踐證明，該模型對于企業(yè)危機的預測準確度高達96%，所以該模型流傳至今仍被廣泛應用。但是，傳統(tǒng)的預警機制大多數(shù)是通過靜態(tài)數(shù)據(jù)預測未來企業(yè)狀況，不能動態(tài)歸納新數(shù)據(jù)，這種情況下建立的預警模型其準確性不高。因此，借助科學的方法構(gòu)建合理有效的預警模型對我國制造業(yè)上市公司及時發(fā)現(xiàn)并解決財務危機具有非常重要的指導作用。

一、研究設計

（一）樣本選取與數(shù)據(jù)來源。本文選取的樣本公司主要為2019年首次被特別處理的制造業(yè)上市公司20家，同時按照1：1的比例選取正常經(jīng)營的制造業(yè)上市公司20家作為對照組，共計40家上市公司，另外選取20家上市公司作為檢測樣本。設定2019年為T年，通過國泰安數(shù)據(jù)庫收集T-3年，即2016～2018年的數(shù)據(jù)對2019年樣本公司財務狀況進行預測。

本文選取的數(shù)據(jù)來源通過網(wǎng)上搜集，主要從國泰安數(shù)據(jù)庫、深滬證券交易所的官方網(wǎng)站、新浪財經(jīng)等我國的知名網(wǎng)站上進行收集與整理，數(shù)據(jù)的可信度和準確性都非常高。

（二）財務預警指標的選取。本文通過閱讀大量文獻資料，結(jié)合國內(nèi)外學者的研究理論，結(jié)合我國制造業(yè)的具體情況，對財務預警指標依據(jù)以下的篩選原則：

1、全面性原則。企業(yè)的財務狀況受到各方面的影響，所以要把能夠影響到企業(yè)財務狀況的因素進行綜合、全面性的收集與整理，通過收集綜合的財務數(shù)據(jù)，得到合理有效的研究結(jié)論。

2、重要性原則。為了對企業(yè)的財務危機達到深入透徹的分析，選取的財務指標很多。但是在訓練過程中，很難把所有的財務指標都輸入到模型中進行訓練，所以本文選取對企業(yè)具有顯著作用的財務指標。

3、可取性原則。本文選取的財務指標都是上市公司公布出來，且容易查找到的，對于一些非公開的財務指標，會對模型的準確性造成影響。

因此，本文在選取傳統(tǒng)的能夠反映企業(yè)盈利能力、營運能力、償債能力、發(fā)展能力等財務指標的基礎上，添加企業(yè)現(xiàn)金流量狀況、股東獲利能力等財務指標進行訓練。

（三）因子分析。本文選取多個財務指標，能夠整體全面地反映企業(yè)的財務狀況，但是財務指標過多會加大訓練難度，也會對模型的穩(wěn)定性和預測結(jié)果造成影響，所以首先應用SPSS軟件中的KMO樣本測度法和巴特利特球體檢驗法對選取的財務指標進行相關性分析。（表1）

運行結(jié)果顯示KMO值為0.758，sig值為0.000，因此本文選取的財務指標數(shù)據(jù)符合因子分析的條件。

二、構(gòu)建BP神經(jīng)網(wǎng)絡模型

BP神經(jīng)網(wǎng)絡是一種按照誤差逆?zhèn)鞑ニ惴ㄓ柧毜亩鄬忧梆伨W(wǎng)絡，當前應用于多個領域，是應用最廣泛的神經(jīng)網(wǎng)絡模型之一，該神經(jīng)網(wǎng)絡的主要特點為信號前向傳遞，誤差反向傳播。該網(wǎng)絡通過輸入層輸入信號，中間經(jīng)過隱含層對數(shù)據(jù)進行逐層處理，通過輸出層傳遞結(jié)果;如果輸出層沒有得到期望的輸出值，則轉(zhuǎn)入反向傳播，神經(jīng)網(wǎng)絡根據(jù)預測誤差調(diào)整權(quán)值和閾值，從而得到期望輸出如圖1所示。（圖1）

（一）輸入層：本文選取的財務指標通過SPSS軟件運用因子分析提取主成分，篩選出合理有效的財務指標作為輸入層的輸入數(shù)據(jù)。

（二）隱含層：隱含層的關鍵是對節(jié)點數(shù)數(shù)量的選擇，如果選取的節(jié)點數(shù)過多，會影響模型的運行速度，相反，如果節(jié)點數(shù)過少，會對模型的運行結(jié)果產(chǎn)生影響。本文對隱含層節(jié)點的選擇參考以下公式：

其中，l代表隱含層的節(jié)點數(shù)，n代表輸入層的節(jié)點數(shù)，m代表輸出層的節(jié)點數(shù);？琢所選取的是0～10之間的常數(shù)，通過試湊法確定最佳的節(jié)點數(shù)。

（三）輸出層：輸出值是構(gòu)建模型訓練之后的目標值，實際上就是我們進行模型訓練的期望輸出值。本文的輸出層節(jié)點數(shù)設定為1，把輸出值以0.5為分界點，0表示沒有被特別處理的公司（非ST），1表示被特別處理的公司（ST）。

本文運用MATLAB7.0軟件進行神經(jīng)網(wǎng)絡模型訓練，訓練結(jié)果如表2所示。（表2）

訓練結(jié)果分析：在訓練樣本中，ST公司準確判斷19家，僅誤判1家;非ST公司準確判斷17家，誤判數(shù)為3家，綜合預測準確率達到了91.2%，誤判率為8.8%。在檢測樣本中，ST公司準確判斷9家，僅誤判1家，非ST公司準確判斷8家，誤判2家，綜合預測準確率為86%。

綜上可知，本文所構(gòu)建的BP神經(jīng)網(wǎng)絡模型預測準確率高，總體效果較好，表明此模型具有其合理性，如果我國企業(yè)能夠運用這套模型，那么企業(yè)能夠有效地對當前地財務狀況進行預測，及時對財務危機進行規(guī)避。

三、模型評述

本文通過對構(gòu)造模型的訓練，發(fā)現(xiàn)該模型與我國制造業(yè)上市公司具有以下特點：

（一）匹配性。本文所構(gòu)建的BP神經(jīng)網(wǎng)絡模型根據(jù)重要性原則選取制造業(yè)上市公司中的財務指標，考慮到制造業(yè)上市公司的特點，能夠很好地反映企業(yè)當前所處的財務狀況，通過實證研究發(fā)現(xiàn)，該模型與制造業(yè)公司具有高度匹配性。

（二）理解性。本文實證研究運用的SPSS和MATLAB軟件具有簡單易操作的特點，BP神經(jīng)網(wǎng)絡雖然理論較為難懂，但是結(jié)合這兩個軟件，能夠為企業(yè)構(gòu)建模型，進行財務危機預警提供技術(shù)支撐。

（三）實效性。通過實證研究發(fā)現(xiàn)，BP神經(jīng)網(wǎng)絡模型在制造業(yè)上市公司中能夠高效預測企業(yè)是否存在財務危機狀況，實用有效，具有重要的現(xiàn)實意義。

四、結(jié)論

本文選取在我國具有代表性的制造業(yè)上市公司為研究對象，結(jié)合傳統(tǒng)的財務指標引入現(xiàn)金流量狀況和股東獲利能力等財務指標進行分析，使得財務指標體系更加全面，預測結(jié)果也更加準確。運用SPSS軟件和MATLAB軟件構(gòu)建BP神經(jīng)網(wǎng)絡模型，通過訓練樣本數(shù)據(jù)，最后根據(jù)訓練結(jié)果得出結(jié)論，該模型對于企業(yè)預測財務危機具有高度的準確性，而且該模型具有匹配性高、易理解、實效性好的特點，能夠很好地運用到我國制造業(yè)上市公司中去，能夠幫助企業(yè)更好地應對潛在的財務危機，具有很好的現(xiàn)實價值。

主要參考文獻：

[1]李芳.基于BP神經(jīng)網(wǎng)絡的我國制造業(yè)上市公司財務危機預警[J].中國市場，2010（40）.

[2]張根明，向曉驥，孫敬宜.基于BP神經(jīng)網(wǎng)絡的制造業(yè)上市公司財務預警[J].山東工商學院學報，2006（4）.

[3]黃曉波，高曉瑩.基于神經(jīng)網(wǎng)絡的企業(yè)財務危機預警研究——以制造業(yè)上市公司為例[J].會計之友，2015（5）.

[4]劉迎旭.基于BP神經(jīng)網(wǎng)絡的我國制造業(yè)上市公司財務預警模型研究[D].北京印刷學院，2018.

[5]劉梅.基于神經(jīng)網(wǎng)絡與邏輯回歸的財務危機預警研究[J].中國集體經(jīng)濟，2019（14）.