導(dǎo)語(yǔ)：制造業(yè)上市公司財(cái)務(wù)危機(jī)預(yù)警分析一文來(lái)源于網(wǎng)友上傳，不代表本站觀(guān)點(diǎn)，若需要原創(chuàng)文章可咨詢(xún)客服老師，歡迎參考。

［提要］當(dāng)代經(jīng)濟(jì)快速發(fā)展，企業(yè)應(yīng)時(shí)刻關(guān)注自身的財(cái)務(wù)狀況，對(duì)未來(lái)存在的財(cái)務(wù)危機(jī)隱患提前關(guān)注，保持危機(jī)意識(shí)。制造業(yè)作為我國(guó)的支柱產(chǎn)業(yè)，在當(dāng)前經(jīng)濟(jì)背景下，更應(yīng)保持警惕，在抓住機(jī)遇發(fā)展壯大的同時(shí)，發(fā)現(xiàn)自身存在的問(wèn)題，及時(shí)做出相應(yīng)的調(diào)整，提前對(duì)企業(yè)即將出現(xiàn)的財(cái)務(wù)危機(jī)做出應(yīng)對(duì)之策。

關(guān)鍵詞：制造業(yè)上市公司；BP神經(jīng)網(wǎng)絡(luò)模型；財(cái)務(wù)危機(jī)預(yù)警

我國(guó)制造業(yè)作為國(guó)家的支柱產(chǎn)業(yè)，對(duì)我國(guó)的經(jīng)濟(jì)發(fā)展具有極其重要的推動(dòng)作用；但是，隨著大數(shù)據(jù)時(shí)代的到來(lái)，經(jīng)濟(jì)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(jī)與挑戰(zhàn)。財(cái)務(wù)狀況與企業(yè)的生存息息相關(guān)，如何利用相關(guān)數(shù)據(jù)幫助企業(yè)規(guī)避潛在的財(cái)務(wù)危機(jī)成為現(xiàn)代企業(yè)關(guān)注的重點(diǎn)。傳統(tǒng)的預(yù)警機(jī)制大多數(shù)通過(guò)歷史數(shù)據(jù)構(gòu)建模型，對(duì)企業(yè)是否存在財(cái)務(wù)危機(jī)做出預(yù)測(cè)。Altman首次運(yùn)用多元線(xiàn)性判別方法構(gòu)建財(cái)務(wù)危機(jī)預(yù)警模型，但是人們經(jīng)過(guò)實(shí)踐發(fā)現(xiàn)，該模型無(wú)法滿(mǎn)足選取的變量服從正態(tài)分布。Martin開(kāi)創(chuàng)性地結(jié)合Logis－tic回歸模型對(duì)企業(yè)做出財(cái)務(wù)預(yù)警，經(jīng)過(guò)實(shí)踐證明，該模型對(duì)于企業(yè)危機(jī)的預(yù)測(cè)準(zhǔn)確度高達(dá)96%，所以該模型流傳至今仍被廣泛應(yīng)用。但是，傳統(tǒng)的預(yù)警機(jī)制大多數(shù)是通過(guò)靜態(tài)數(shù)據(jù)預(yù)測(cè)未來(lái)企業(yè)狀況，不能動(dòng)態(tài)歸納新數(shù)據(jù)，這種情況下建立的預(yù)警模型其準(zhǔn)確性不高。因此，借助科學(xué)的方法構(gòu)建合理有效的預(yù)警模型對(duì)我國(guó)制造業(yè)上市公司及時(shí)發(fā)現(xiàn)并解決財(cái)務(wù)危機(jī)具有非常重要的指導(dǎo)作用。

一、研究設(shè)計(jì)

（一）樣本選取與數(shù)據(jù)來(lái)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(shí)按照1：1的比例選取正常經(jīng)營(yíng)的制造業(yè)上市公司20家作為對(duì)照組，共計(jì)40家上市公司，另外選取20家上市公司作為檢測(cè)樣本。設(shè)定2019年為T(mén)年，通過(guò)國(guó)泰安數(shù)據(jù)庫(kù)收集T-3年，即2016～2018年的數(shù)據(jù)對(duì)2019年樣本公司財(cái)務(wù)狀況進(jìn)行預(yù)測(cè)。本文選取的數(shù)據(jù)來(lái)源通過(guò)網(wǎng)上搜集，主要從國(guó)泰安數(shù)據(jù)庫(kù)、深滬證券交易所的官方網(wǎng)站、新浪財(cái)經(jīng)等我國(guó)的知名網(wǎng)站上進(jìn)行收集與整理，數(shù)據(jù)的可信度和準(zhǔn)確性都非常高。（二）財(cái)務(wù)預(yù)警指標(biāo)的選取。本文通過(guò)閱讀大量文獻(xiàn)資料，結(jié)合國(guó)內(nèi)外學(xué)者的研究理論，結(jié)合我國(guó)制造業(yè)的具體情況，對(duì)財(cái)務(wù)預(yù)警指標(biāo)依據(jù)以下的篩選原則：1、全面性原則。企業(yè)的財(cái)務(wù)狀況受到各方面的影響，所以要把能夠影響到企業(yè)財(cái)務(wù)狀況的因素進(jìn)行綜合、全面性的收集與整理，通過(guò)收集綜合的財(cái)務(wù)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(duì)企業(yè)的財(cái)務(wù)危機(jī)達(dá)到深入透徹的分析，選取的財(cái)務(wù)指標(biāo)很多。但是在訓(xùn)練過(guò)程中，很難把所有的財(cái)務(wù)指標(biāo)都輸入到模型中進(jìn)行訓(xùn)練，所以本文選取對(duì)企業(yè)具有顯著作用的財(cái)務(wù)指標(biāo)。3、可取性原則。本文選取的財(cái)務(wù)指標(biāo)都是上市公司公布出來(lái)，且容易查找到的，對(duì)于一些非公開(kāi)的財(cái)務(wù)指標(biāo)，會(huì)對(duì)模型的準(zhǔn)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(yíng)運(yùn)能力、償債能力、發(fā)展能力等財(cái)務(wù)指標(biāo)的基礎(chǔ)上，添加企業(yè)現(xiàn)金流量狀況、股東獲利能力等財(cái)務(wù)指標(biāo)進(jìn)行訓(xùn)練。（三）因子分析。本文選取多個(gè)財(cái)務(wù)指標(biāo)，能夠整體全面地反映企業(yè)的財(cái)務(wù)狀況，但是財(cái)務(wù)指標(biāo)過(guò)多會(huì)加大訓(xùn)練難度，也會(huì)對(duì)模型的穩(wěn)定性和預(yù)測(cè)結(jié)果造成影響，所以首先應(yīng)用SPSS軟件中的KMO樣本測(cè)度法和巴特利特球體檢驗(yàn)法對(duì)選取的財(cái)務(wù)指標(biāo)進(jìn)行相關(guān)性分析。

二、構(gòu)建BP神經(jīng)網(wǎng)絡(luò)模型

BP神經(jīng)網(wǎng)絡(luò)是一種按照誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)，當(dāng)前應(yīng)用于多個(gè)領(lǐng)域，是應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)模型之一，該神經(jīng)網(wǎng)絡(luò)的主要特點(diǎn)為信號(hào)前向傳遞，誤差反向傳播。該網(wǎng)絡(luò)通過(guò)輸入層輸入信號(hào)，中間經(jīng)過(guò)隱含層對(duì)數(shù)據(jù)進(jìn)行逐層處理，通過(guò)輸出層傳遞結(jié)果；如果輸出層沒(méi)有得到期望的輸出值，則轉(zhuǎn)入反向傳播，神經(jīng)網(wǎng)絡(luò)根據(jù)預(yù)測(cè)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(cái)務(wù)指標(biāo)通過(guò)SPSS軟件運(yùn)用因子分析提取主成分，篩選出合理有效的財(cái)務(wù)指標(biāo)作為輸入層的輸入數(shù)據(jù)。（二）隱含層：隱含層的關(guān)鍵是對(duì)節(jié)點(diǎn)數(shù)數(shù)量的選擇，如果選取的節(jié)點(diǎn)數(shù)過(guò)多，會(huì)影響模型的運(yùn)行速度，相反，如果節(jié)點(diǎn)數(shù)過(guò)少，會(huì)對(duì)模型的運(yùn)行結(jié)果產(chǎn)生影響。本文對(duì)隱含層節(jié)點(diǎn)的選擇參考以下公式：l<n-1l<姨（m+n）+琢l=log2n其中，l代表隱含層的節(jié)點(diǎn)數(shù)，n代表輸入層的節(jié)點(diǎn)數(shù)，m代表輸出層的節(jié)點(diǎn)數(shù)；琢所選取的是0～10之間的常數(shù)，通過(guò)試湊法確定最佳的節(jié)點(diǎn)數(shù)。（三）輸出層：輸出值是構(gòu)建模型訓(xùn)練之后的目標(biāo)值，實(shí)際上就是我們進(jìn)行模型訓(xùn)練的期望輸出值。本文的輸出層節(jié)點(diǎn)數(shù)設(shè)定為1，把輸出值以0.5為分界點(diǎn)，0表示沒(méi)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(yùn)用MATLAB7.0軟件進(jìn)行神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練，訓(xùn)練結(jié)果如表2所示。（表2）訓(xùn)練結(jié)果分析：在訓(xùn)練樣本中，ST公司準(zhǔn)確判斷19家，僅誤判1家；非ST公司準(zhǔn)確判斷17家，誤判數(shù)為3家，綜合預(yù)測(cè)準(zhǔn)確率達(dá)到了91.2%，誤判率為8.8%。在檢測(cè)樣本中，ST公司準(zhǔn)確判斷9家，僅誤判1家，非ST公司準(zhǔn)確判斷8家，誤判2家，綜合預(yù)測(cè)準(zhǔn)確率為86%。綜上可知，本文所構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)準(zhǔn)確率高，總體效果較好，表明此模型具有其合理性，如果我國(guó)企業(yè)能夠運(yùn)用這套模型，那么企業(yè)能夠有效地對(duì)當(dāng)前地財(cái)務(wù)狀況進(jìn)行預(yù)測(cè)，及時(shí)對(duì)財(cái)務(wù)危機(jī)進(jìn)行規(guī)避。

三、模型評(píng)述

本文通過(guò)對(duì)構(gòu)造模型的訓(xùn)練，發(fā)現(xiàn)該模型與我國(guó)制造業(yè)上市公司具有以下特點(diǎn)：（一）匹配性。本文所構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)模型根據(jù)重要性原則選取制造業(yè)上市公司中的財(cái)務(wù)指標(biāo)，考慮到制造業(yè)上市公司的特點(diǎn)，能夠很好地反映企業(yè)當(dāng)前所處的財(cái)務(wù)狀況，通過(guò)實(shí)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(shí)證研究運(yùn)用的SPSS和MATLAB軟件具有簡(jiǎn)單易操作的特點(diǎn)，BP神經(jīng)網(wǎng)絡(luò)雖然理論較為難懂，但是結(jié)合這兩個(gè)軟件，能夠?yàn)槠髽I(yè)構(gòu)建模型，進(jìn)行財(cái)務(wù)危機(jī)預(yù)警提供技術(shù)支撐。（三）實(shí)效性。通過(guò)實(shí)證研究發(fā)現(xiàn)，BP神經(jīng)網(wǎng)絡(luò)模型在制造業(yè)上市公司中能夠高效預(yù)測(cè)企業(yè)是否存在財(cái)務(wù)危機(jī)狀況，實(shí)用有效，具有重要的現(xiàn)實(shí)意義。

四、結(jié)論

本文選取在我國(guó)具有代表性的制造業(yè)上市公司為研究對(duì)象，結(jié)合傳統(tǒng)的財(cái)務(wù)指標(biāo)引入現(xiàn)金流量狀況和股東獲利能力等財(cái)務(wù)指標(biāo)進(jìn)行分析，使得財(cái)務(wù)指標(biāo)體系更加全面，預(yù)測(cè)結(jié)果也更加準(zhǔn)確。運(yùn)用SPSS軟件和MATLAB軟件構(gòu)建BP神經(jīng)網(wǎng)絡(luò)模型，通過(guò)訓(xùn)練樣本數(shù)據(jù)，最后根據(jù)訓(xùn)練結(jié)果得出結(jié)論，該模型對(duì)于企業(yè)預(yù)測(cè)財(cái)務(wù)危機(jī)具有高度的準(zhǔn)確性，而且該模型具有匹配性高、易理解、實(shí)效性好的特點(diǎn)，能夠很好地運(yùn)用到我國(guó)制造業(yè)上市公司中去，能夠幫助企業(yè)更好地應(yīng)對(duì)潛在的財(cái)務(wù)危機(jī)，具有很好的現(xiàn)實(shí)價(jià)值。

參考文獻(xiàn)：

［1］李芳.基于BP神經(jīng)網(wǎng)絡(luò)的我國(guó)制造業(yè)上市公司財(cái)務(wù)危機(jī)預(yù)警［J］.中國(guó)市場(chǎng)，2010（40）.

［2］張根明，向曉驥，孫敬宜.基于BP神經(jīng)網(wǎng)絡(luò)的制造業(yè)上市公司財(cái)務(wù)預(yù)警［J］.山東工商學(xué)院學(xué)報(bào)，2006（4）.

［3］黃曉波，高曉瑩.基于神經(jīng)網(wǎng)絡(luò)的企業(yè)財(cái)務(wù)危機(jī)預(yù)警研究——以制造業(yè)上市公司為例［J］.會(huì)計(jì)之友，2015（5）.

［4］劉迎旭.基于BP神經(jīng)網(wǎng)絡(luò)的我國(guó)制造業(yè)上市公司財(cái)務(wù)預(yù)警模型研究［D］.北京印刷學(xué)院，2018.

［5］劉梅.基于神經(jīng)網(wǎng)絡(luò)與邏輯回歸的財(cái)務(wù)危機(jī)預(yù)警研究［J］.中國(guó)集體經(jīng)濟(jì)，2019（14）.

作者:馬彥召 單位:青海民族大學(xué)經(jīng)濟(jì)與管理學(xué)院