【毕业设计.论文】基于BP神经网络和面板数据的上市公司财务危机预警70412.pdfVIP

基于BP神经网络和面板数据的上市公司 财务危机预警1 王乐平，杨淑娥，何昕 西安交通大学管理学院（710061 ） 西安交通大学管理学院（710061 ） 西安交通大学管理学院（710061 ） yangshue@ 摘要：本文应用 BP 神经网络方法，以危机发生前两年和三年的财务数据所组合的面板数据 （panel data）作为研究对象，构建财务预警模型对上市公司的财务状况进行预测。研究结 果表明：（1）使用面板数据能够使财务预警模型在多期预测方面具有良好的预测稳定性， 能够增强模型的长期预测能力，使模型具有真正的实践应用意义；（2）BP神经网络模型非 常适合针对企业做纵向长期预测，其提前 3年和 4年的预测能力分别为 88.46%和 75.64%。 较之以往同行的研究和我们前期的研究精度均有较大的提高。 关键词：财务危机 面板数据 BP神经网络 早期预警 1.研究背景 近十几年来，随着信息技术的迅猛发展，网络经济以其迅速、灵便以及个性化的特点俨 然成为市场运行的主要形式。与此同时，留给企业应对风险的时间却越来越短，如何能够尽 量早地发现并防范风险，已经成为学术界与实务界共同关注的课题。国外自 20 世纪中期以 来，关于公司财务危机预警的研究工作已经开展了近 40 年。国内这方面研究的工作也进行 了近 10 年的时间。但是纵观现有的研究成果，我们发现，这些研究基本上是以企业的横截 面数据作为研究基础，主要进行横向的比较研究，较少进行纵向的跟踪研究，特别是企业中 长期预警模型的研究。本文正是在以前研究的基础上，引入面板数据的分析方法，BP 神经 网络分析，特别是注重了模型连续、稳定的预测性能，以期构建具备实际应用价值的中长期 预警模型。 2.文献回顾 Beaver(1966 年)在单变量破产预测方面的研究被视为这个领域的里程碑。他分别考察了 30 个财务比率在企业陷入财务困境前 1 - 5 年的预测能力，发现了营运资金/ 总负债，这 一指标在破产前五年的预测正确率可以分别达到 87 %、79%、77%、76%、78%。尽管他并不 11本文系国家自然科学基金“基于AIS平台的企业多时段财务预警研究”）和博士点基金项目 （20020698007 的研究成果之一。 - 1 - 是为了寻求最佳的预测比率，而是着重观察这些比率在破产预测方面的能力，但是正如他在 文章最后提到的，这个比率的预测能力甚至可以与多元预测方法所得到的结果相媲美。 Altman(1968 年)利用多元线性判别分析（Multiple Discriminate Analysis,MDA）来提高 判断的准确性，他根据行业和资产规模，为 33家破产公司选择了 33 家非破产配对公司，同 时选用了 22个变量作为破产前 1－5年的预测备选变量，通过不断的“试错”过程，从而最 终选取了 5个变量作为判别变量，这就是著名的 Z 分数模型。这个模型在破产前一年的总体 预测准确度高达 95%，但是如果预测期进一步提前，结果令人沮丧，前二年至前五年的正确 率分别为 72%、48%、29%、36%。从这一结果来看，模型在破产前三年的时候实际已经失去 实际的预测意义了。为了改良 Z 分数模型，Deakin（1972 年）提出概率模型，该模型对建 模样本前五年的预测能力分别为 97%、95.5%、95.5%、79%、83%，但是对于独立的测试样本 它的预测精度却下降为 78%、94%、88%、77%、85%。然而，模型预测能力的稳定性无疑得到 了强化。可见，寻求更具有稳定性能的方法是预警理论界多年“前赴后继”共同努力追求的 目标。 神经网络的应用最初是由 Tam 和 Kiang （1992 年）用于银行破产预测。Tam 和 Kiallg 利用三层 BP 神经网络来训练网络，根据输入到网络的一些