基于BP神經網絡下的A公司財務風險預警研究

薛紅婷

一、引言

近些年，隨著經濟的快速發展、產業結構的更新迭代、國家限制“三公消費”以及國民觀念的改變，使得白酒市場趨于飽和，企業間的競爭被進一步激化。財務風險也成了全球性的問題。財務風險繼續惡化將會形成財務危機，使企業陷入財務困境中。因此，上市公司重視財務風險迫在眉睫。

A公司屬于白酒板塊，其財務特性及風險程度與其他行業不同。A公司具有深厚的文化底蘊，多次在全國評酒會上榮獲國家名酒稱號。其主營業務包括白酒的生產及銷售，其特有的“綿柔型”白酒作為白酒的特有類型被寫入國家標準。利益相關者希望了解到A公司快速發展背后存在的財務風險，便于及時整改、防范，從而避免公司的財務危機。

二、BP神經網絡概述

BP神經網絡是人工神經網絡的一種，是按照誤差、逆向的反復迭代，以達到所設定的精度值或者訓練次數的多層的前饋網絡。當模型接收到輸入數據后，可根據實際需求而改變，包括其權重也可根據隱含關系不斷改變，即其神經元節點個數所構建出的函數關系，以此不斷優化模型，達到更高準確率的目的。

三、財務風險預警模型

劉義龍、郝青、李松（2015）指出了人工神經網絡的廣泛應用，并提及在人工神經網絡中最突出的BP神經網絡，這一網絡可以通過正向和反向傳播，減小誤差。嚴婕（2021）運用神經網絡法對醫藥制造業進行預警研究，其精確度達到了98%，預判正確度極高。BP神經網絡相較于傳統的風險預警方法，具有精確度高的特點，被廣泛運用于財務風險預警問題。

四、財務風險預警體系的構建

本文綜合考慮財務指標與非財務指標之后，從四大能力、財務彈性、風險水平、現金流指標的角度選取了27個二級指標，利用其2014—2020年的相關數據進行降維處理，SPSS的相關結果表明：在27個指標通過KMO與Bartlett相關性檢驗之后，提取的7個主成分可以詮釋選取的初始指標內容的87.433%。基于以上結果，建立了由降維之后的7個指標組成的A公司的財務風險預警體系。所選取的27個指標如表1所示。

表1 企業財務危機預警指標體系

五、BP神經網絡的構建及訓練

BP神經網絡主要由輸入層、隱層、輸出層組成。由于經PCA法處理后存在7個主成分，輸入層的節點數為7，本文根據白酒上市公司的特點，將其劃分為5個警度：安全、良好、一般、輕警及重警。因此，其輸出層的節點數為5。為了建立合適的白酒板塊財務風險預警模型，確定其隱層的節點數，本文以分類后的白酒上市公司預警程度為參照值，以白酒板塊（主要指主營業務為白酒生產的企業）的19家滬深上市公司2014—2020年降維后的7個指標為輸入層數據，通過模型的不斷迭代使得輸出層的結果向參照值收斂。最終確定合適的隱層數量。訓練結果顯示：隱層節點數為16時，可以達到最優正確識別率。

六、基于BP神經網絡下的A公司財務風險預警分析

A公司屬于白酒板塊內的一家上市公司，成立于1949年，坐落于江蘇省。于2009年在深交所上市。其主營業務包括白酒的生產及銷售。上述BP神經網絡模型經過因子篩選的指標，進行訓練，可以很好地提高模型收斂速度與推廣性。將A公司2014—2020年的相關指標作為BP神經網絡的輸入層數據，其仿真結果表明：2014年、2015年的財務風險警度為良好，2016年至2020年的財務風險警度為安全。由仿真結果可以看出，A公司在2014年、2015年存在一定的財務風險，這種現象在2016年之后得到了好轉，其財務風險隨著公司及時的整改得到了降低。這從側面說明了公司的管理層決策正確，在防范未來可能出現的財務風險過程中，這一方法仍可繼續使用。A公司在2014年、2015年的財務風險較高，主要是由2013年國家限制“三公消費”的余溫未降，白酒板塊的消費大形勢較差。同時，民眾的消費觀念在發生改變，養生成為更多人追捧的名詞，白酒的熱度自然不如以往。A公司在2016年之后加大了研發支出的比例，將其在核心業務上的優勢更加全面地體現出來。同年，銷售毛利率及經濟增加值均實現了不同幅度的增長，A公司的財務風險降低。

七、建議

2021年是“十四五”規劃的開局之年，各級政府機構、行業協會和企業也都紛紛出臺了各自的“十四五”規劃。種種數據表明，產業集中度持續提高和行業分化將成為白酒行業下一個五年的兩大主要特征。

面對白酒行業龍頭企業過于卓越的現象，白酒行業的內部競爭愈發激烈。A公司應該打造屬于本公司的特色，調整企業未來的發展戰略。同時，由于白酒板塊的公司生產設備過于昂貴，其較為完善的生產線可以支撐生產需要。應減少這一部分的投入，提升在研發方面的投入。叫停一部分周期過長的項目，將長期發展戰略調整為穩健戰略，以充分的準備面臨未來白酒板塊的不確定性。