企業(yè)不同生命周期財務(wù)危機預(yù)警研究

摘要：本文按生命周期的界定標準將財務(wù)困境樣本劃分為不同生命周期，采用BP神經(jīng)網(wǎng)絡(luò)進行財務(wù)困境預(yù)測。結(jié)果顯示，不同生命周期樣本的預(yù)測指標存在顯著差異，且預(yù)測的準確率特別是其長期預(yù)警能力令人滿意。

關(guān)鍵詞：危機預(yù)警；生命周期

2007年始于美國的全球金融危機波及全球，上市公司特別是出口型企業(yè)銷售萎縮利潤大幅減少。在金融危機的大背景下，如何以上市公司為研究對象，探索企業(yè)發(fā)生財務(wù)危機的原因并加以防范，就顯得極為重要。

在企業(yè)生命周期的各個階段，企業(yè)的組織結(jié)構(gòu)、人力資源特征等方面都有明顯差異，這些差異最終將反映到企業(yè)的財務(wù)狀況上，決定了生命周期各個階段財務(wù)特征的差異性，也決定了各階段發(fā)生財務(wù)危機的誘因與表現(xiàn)不同。因此，本文將樣本劃分為不同生命周期進行財務(wù)危機預(yù)警研究。

一、生命周期劃分標準

本文綜合以往學(xué)者對企業(yè)生命周期的劃分標準，采用主營業(yè)務(wù)收入增長率來界定企業(yè)所處的生命周期。一般來說，如果主營業(yè)務(wù)收入增長率超過10%，說明公司處于成長期，公司發(fā)展將繼續(xù)保持較好的增長勢頭，尚未面臨產(chǎn)品更新的風險。如果主營業(yè)務(wù)收入增長率介于+10%之間，說明公司產(chǎn)品已進入穩(wěn)定期，不久將進入衰退期，需要著手開發(fā)新產(chǎn)品。

因此，為反映企業(yè)成長期市場需求旺盛、主營業(yè)務(wù)增長迅速的特點，本文將企業(yè)主營業(yè)務(wù)收入增長率持續(xù)增長3年且10%以上達兩年作為成長期；為反映成熟期市場趨于飽和、主營業(yè)務(wù)趨于穩(wěn)定、可能出現(xiàn)小幅升降的特點，將主營業(yè)務(wù)收入增長率三年均介于+10%以內(nèi)作為該企業(yè)的成熟期。由于數(shù)據(jù)的收集和界定標準上的不確定等原因，本文對初創(chuàng)期和衰退期不做分析。

二、不同生命周期樣本及變量的選取

（一）樣本的選取

本文沿用前人的研究選取因財務(wù)狀況異常而被ST的上市公司為財務(wù)困境樣本，將未被ST的公司視為正常公司。在對研究樣本進行選取時，僅對制造業(yè)的上市公司進行研究。接下來，以我國滬深兩市A股市場中的制造業(yè)上市公司為研究對象，搜集2006—2010五年間被實行特別處理的88家財務(wù)困境公司，按生命周期的界定標準將其劃分為成長期和成熟期，通過篩選得到五年間被ST的公司分別有18家、26家、11家、11家和22家。此后，我們從行業(yè)分類、資產(chǎn)規(guī)模及配對數(shù)量等方面來選擇正常樣本，最后選取了88家財務(wù)健康公司。

（二）變量的選取

本文從杜邦分析法出發(fā)，綜合杜邦財務(wù)分析系統(tǒng)并參考以往相關(guān)研究中具有顯著影響的變量，將28個財務(wù)指標和14個非財務(wù)變量作為備選變量納入我們的研究。本文采用非參數(shù)統(tǒng)計方法Mann—Whitney U檢驗，以前三期均通過10%顯著性水平的指標作為初選變量。然后，利用SPSS軟件對變量進行相關(guān)性分析，剔除相關(guān)性較強的指標。

三、不同生命周期預(yù)警模型構(gòu)建和實證檢驗

（一）BP神經(jīng)網(wǎng)絡(luò)分析模型設(shè)計

人工神經(jīng)網(wǎng)絡(luò)（簡稱ANN）是對生理上真實的人腦神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和功能及基本特征進行理論抽象、簡化和模擬而構(gòu)成的一種信息系統(tǒng)，ANN作為一種并行分散處理模式，具有非線性映射、自適應(yīng)學(xué)習(xí)和較強容錯性的特點，可以對應(yīng)多變的企業(yè)運作環(huán)境。本文沿用前人的研究成果也采用BP神經(jīng)網(wǎng)絡(luò)進行分析。

我們將成長期106家上市公司輸入系統(tǒng)，采用BP神經(jīng)網(wǎng)絡(luò)模型進行訓(xùn)練，輸入層的輸入變量有10個節(jié)點，輸出層2個節(jié)點，輸出的信號“0”代表財務(wù)困境公司，“1”代表財務(wù)健康公司。隱層節(jié)點數(shù)一般根據(jù)經(jīng)驗公式：，通過“試錯法”，最終隱含層節(jié)點數(shù)n取5，這樣我們構(gòu)建了一個10×5×1的BP網(wǎng)絡(luò)結(jié)構(gòu)。其中，P1、P2、P3分別為輸入層、隱含層及輸出層的神經(jīng)元數(shù)目。成熟期構(gòu)建的是一個11×5×1的BP網(wǎng)絡(luò)結(jié)構(gòu)。

（二）實證結(jié)果分析

由于證監(jiān)會是根據(jù)上市公司前兩年的年報公布的業(yè)績決定是否進行特別處理的，利用模型對財務(wù)危機預(yù)警進行研究有夸大預(yù)測能力的問題，這在前人的研究中也得到了證實。因此，我們首先對T—3期的樣本數(shù)據(jù)進行預(yù)測和分析。

通過上文訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)， 我們將建模樣本和檢驗樣本T—3數(shù)據(jù)帶入模型。判別結(jié)果顯示，BP神經(jīng)網(wǎng)絡(luò)模型成長期建模樣本T—3的I類錯誤率（將財務(wù)困境公司判定為財務(wù)健康公司的比率）為2.70%，II類錯誤率（將財務(wù)健康公司判定為財務(wù)困境公司的比率）為5.41%，綜合準確率為95.95%，預(yù)測樣本的I類錯誤率為18.75%，II類錯誤率為25%，綜合準確率為78.13%；成熟期建模樣本T—3無I類、II類錯誤，其綜合準確率為100%，檢驗樣本的I類錯誤率為12.5%，II類錯誤率為37.5%，綜合準確率為87.50%。

將4期數(shù)據(jù)帶入模型通過判定分析得出以下結(jié)論：

1、與其他統(tǒng)計方法相比，BP神經(jīng)網(wǎng)絡(luò)分析具有更優(yōu)的表現(xiàn)。張玲（2000）用判別分析得出前4年的預(yù)估正確率分別是100%、87%、70%和60%；吳世農(nóng)、盧賢義（2001）比較了3種統(tǒng)計方法，得出Logistic預(yù)測模型判別效果最好，其前4年的預(yù)測準確率分別是93.53%、84.29%、76.26%和73.17%（2001）。BP神經(jīng)網(wǎng)絡(luò)與之相比，其整體判別效果更好，特別是長期預(yù)警有了明顯改善。

2、BP神經(jīng)網(wǎng)絡(luò)模型對財務(wù)困境的識別效果是令人滿意的。雖然判定準確率呈現(xiàn)逐年下降的態(tài)勢，但表現(xiàn)較為平穩(wěn)，且長期預(yù)警的能力得到顯著加強。

在本文研究中，由于種種原因，還存在著一些局限和不足，主要有兩點：（1）進一步擴大研究變量的選擇。除了本文引入的公司治理及關(guān)聯(lián)交易等，還有公司領(lǐng)導(dǎo)風格、內(nèi)部控制及行業(yè)指標等對公司治理有相關(guān)影響的指標。（2）本文的研究以上市公司為樣本，若是可以將樣本擴大至非上市公司，則可以使預(yù)警模型成為具有廣泛應(yīng)用的預(yù)測工具。（作者單位：江西財經(jīng)大學(xué)）

參考文獻

[1] 李業(yè).企業(yè)生命周期的修正模型及思考[J].南方經(jīng)濟，2000，2：47—50.

[2] 吳世農(nóng)，盧賢義.我國上市公司財務(wù)困境的預(yù)測模型研究[J].經(jīng)濟研究，2001（06）：46—55.

[3] 楊淑娥.企業(yè)多層次財務(wù)危機預(yù)警研究—方法與應(yīng)用.第1版， 出版地：北京，經(jīng)濟科學(xué)出版社，2009.13—27.