基于BP神經網絡的中小企業(yè)板上市公司財務危機預警模型構建

王輝 王春華

摘 要：本文從智能理論角度，選取了2006年—2010年66家中小企業(yè)板上市公司作為樣本，構建了一個針對中小企業(yè)板上市公司的財務危機預警模型。本文利用因子分析法對初選的17個財務指標進行了優(yōu)化，得到5個預警因子作為輸入變量，構建的BP神經網絡財務危機預警模型。

關鍵詞：BP神經網絡；中小企業(yè)板；預警理論

一、引言

中小企業(yè)板塊市場自從2004年5月成立以來，相繼發(fā)生了瓊花事件、威爾事件、高新張桐等事件。這明確地給管理者、投資者及相關部門發(fā)出了不好的信號。所以企業(yè)要持續(xù)穩(wěn)定的發(fā)展，就必須能夠及時預測、規(guī)避各種可能的風險，尤其極易導致企業(yè)破產失敗的財務風險。因此，擁有一個有效的財務危機預警體系，提前預測出其未來可能發(fā)生的財務危機，避免公司陷入財務危機具有重要的現實意義。

二、樣本選取和指標的選取及優(yōu)化

通過對2007—2010年上市公司年度報告查找分析，剔除數據不完整的公司，符合本文財務危機定義的公司為33家。并隨機選取的33家健康公司按一一配對原則組成訓練組，用其發(fā)生財務危機前一年的數據構建BP神經網絡預警模型。

本文初步確定財務危機預警的17個財務指標，這些指標分別代表企業(yè)的償債能力、成長能力、現金流量能力、盈利能力、營運能力。本文通過因子分析，找到幾個能夠代表數據的基本結構、反映原始信息本質特征的因子，然后再用這些因子建立BP神經網絡預警模型。然后在對樣本做因子分析和方差解釋后，再利用因子得分系數矩陣，得到各個預警因子的表達式，進而得到各個樣本5個預警因子的具體數值。

三、BP神經網絡財務危機預警模型的構建

將由33家財務危機公司和33家健康公司通過因子分析得到的相關數據成的訓練組導入前文構建的BP神經網絡財務危機預警模型中。

通過對訓練組樣本公司檢驗結果分析可知，構建的BP神經網絡財務危機預警模型對財務危機公司預測的準確率為81.82%,對健康公司預測準確率為84.85%；實踐證明BP神經網絡財務危機預警模型具有一定的有效性，適用于中小企業(yè)板上市公司對其財務狀況的預測。

企業(yè)發(fā)生財務危機是財務狀況逐步變壞的過程，通過對財務狀況周期性的監(jiān)測，企業(yè)的管理人員可以發(fā)現其財務上的弊端。

1.舉債規(guī)模過大。通過對訓練組樣本公司的數據分析發(fā)現，財務健康公司的平均資產負債率為0.44078，財務危機公司的平均資產負債率為0.38301，對比我們可以發(fā)現，財務危機公司比健康公司的資產負債率要高出15.08%。

2.現金流量不足。資金短缺是導致企業(yè)財務危機的一個最直接的原因。分析訓練組樣本公司的每股經營現金凈流量發(fā)現，健康公司的平均每股經營現金凈流量為0.6144，而財務危機公司的平均每股經營現金凈流量僅為0.0459，很多公司每股經營現金凈流量甚至為負。

3.應收賬款管理不善。分析訓練組樣本公司應收賬款周轉率發(fā)現，健康公司的平均應收賬款周轉率為21.3191，財務危機公司的平均銀收賬款周轉率為9.9814，僅為健康公司的46.82%。這對本來資本就不充分的中小企業(yè)來說無疑是致命的傷害。（作者單位：北京物資學院）

參考文獻：

[1]裴玉，唐文彬.應用主成分分析法縱向構建企業(yè)財務風險預警模型[J].會計之友，2007，4：24-26

[2]薛薇.SPSS統(tǒng)計分析方法及應用[M].北京：電子出版社，2004.

[3]楊淑娥，黃禮.基于BP神經網絡的上市公司財務預警模型.系統(tǒng)工程理論與實踐，2005，1（1）：12-18.

[4]姚宏善，沈軼.用遺傳神經網絡模型預測公司財務困境[J].華中師范大學學報，2005，3（2）：195-197