基于PSO-BP 神經(jīng)網(wǎng)絡(luò)下的X 公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警分析

郜書(shū)鑫

1.引言

如今，我國(guó)的新能源產(chǎn)業(yè)面臨著市場(chǎng)經(jīng)濟(jì)環(huán)境快速變化和外部影響因素的雙重挑戰(zhàn)。特別是在過(guò)去的三年中，由于異常的財(cái)務(wù)狀況而受到特別處理的新能源公司并不少見(jiàn)，甚至被迫退市的例子也不罕見(jiàn)。因此，提高財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警能力和應(yīng)對(duì)財(cái)務(wù)風(fēng)險(xiǎn)的能力已成為新能源公司生存和發(fā)展的內(nèi)在要求。

X 公司是新能源行業(yè)的代表公司，于2013 年在深圳證券交易所上市。其業(yè)務(wù)包括光伏發(fā)電，新能源汽車電池制造和銷售和太陽(yáng)能發(fā)電等。2015 年-2017 年公司的利潤(rùn)增長(zhǎng)率連續(xù)三年超過(guò)50%。它的快速發(fā)展速度使人們希望了解其背后的財(cái)務(wù)風(fēng)險(xiǎn)高低。因此，本文以新能源公司X 為例，采用PSO 算法優(yōu)化的BP 神經(jīng)網(wǎng)絡(luò)模型對(duì)X 公司的財(cái)務(wù)風(fēng)險(xiǎn)進(jìn)行判斷，以達(dá)到提前預(yù)測(cè)危機(jī)，對(duì)危機(jī)做出反應(yīng)，最終對(duì)危機(jī)做出反應(yīng)的目的。

2.神經(jīng)網(wǎng)絡(luò)概述

（1）BP 神經(jīng)網(wǎng)絡(luò)

BP 神經(jīng)網(wǎng)絡(luò)是人工神經(jīng)網(wǎng)絡(luò)的一種，核心數(shù)據(jù)處理機(jī)制是反饋系統(tǒng)，目前，BP神經(jīng)網(wǎng)絡(luò)被廣泛應(yīng)用于各種領(lǐng)域。BP 神經(jīng)網(wǎng)絡(luò)有三層處理結(jié)構(gòu)，包括輸入單元，隱藏單元和輸出單元。輸出單元接受外部輸入的數(shù)據(jù)，隱藏單元對(duì)輸入數(shù)據(jù)進(jìn)行處理并進(jìn)行非線性運(yùn)算將處理后的結(jié)構(gòu)輸出給輸出單元，輸出接受處理后的結(jié)果并且和參照值進(jìn)行比較，如果誤差超過(guò)設(shè)定值，則通過(guò)反饋系統(tǒng)反向傳播給隱藏單元進(jìn)行進(jìn)一步優(yōu)化，如此不斷迭代，直到隱藏單元輸出的結(jié)果無(wú)限收斂，直到小于設(shè)定的參數(shù)即可。

（2）PSO-BP 神經(jīng)網(wǎng)絡(luò)

PSO-BP 神經(jīng)網(wǎng)絡(luò)對(duì)BP 神經(jīng)網(wǎng)絡(luò)做了PSO 算法的優(yōu)化。目前大多數(shù)研究是僅僅將BP 神經(jīng)網(wǎng)絡(luò)和財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警結(jié)合起來(lái)，但是由于BP神經(jīng)網(wǎng)絡(luò)自身的缺陷，容易導(dǎo)致結(jié)果陷入局部最優(yōu)解，所以判斷結(jié)果未必理想。

因此，本文在此前學(xué)者研究基礎(chǔ)上，把BP 神經(jīng)網(wǎng)絡(luò)和智能算法PSO 算法結(jié)合起來(lái)，試圖優(yōu)化BP 神經(jīng)網(wǎng)絡(luò)的初始參數(shù)設(shè)置從而提高財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型的準(zhǔn)確性。同時(shí)，本文把PSO-BP 神經(jīng)網(wǎng)絡(luò)應(yīng)用在具體的案例上，使得建議更加有針對(duì)性。

3.財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型

（1）多元判斷模型

最先開(kāi)始在財(cái)務(wù)風(fēng)險(xiǎn)領(lǐng)域使用多元判定模型的是學(xué)者Altman（1983），該學(xué)者使用5 個(gè)財(cái)務(wù)比率建立判定函數(shù)來(lái)識(shí)別財(cái)務(wù)風(fēng)險(xiǎn)高低。最后發(fā)現(xiàn)，多元判定模型預(yù)測(cè)能力水平較高，準(zhǔn)確率可達(dá)75%[1]。多元判定模型在上世紀(jì)很受學(xué)者歡迎，但是其精確度比生物算法和人工神經(jīng)網(wǎng)絡(luò)要低。

（2）BP 神經(jīng)網(wǎng)絡(luò)模型

Renaud，Sharda（1990）兩位學(xué)者首次通過(guò)神經(jīng)網(wǎng)絡(luò)進(jìn)行財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警，兩位學(xué)者通過(guò)對(duì)美國(guó)192 家上市公司的財(cái)務(wù)數(shù)據(jù)和非財(cái)務(wù)數(shù)據(jù)進(jìn)行BP 神經(jīng)網(wǎng)絡(luò)訓(xùn)練，發(fā)現(xiàn)BP 神經(jīng)網(wǎng)絡(luò)在財(cái)務(wù)風(fēng)險(xiǎn)領(lǐng)域有較好的表現(xiàn)水平[2]。之后越來(lái)越多的學(xué)者作了類似研究，并對(duì)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行了優(yōu)化。

4.訓(xùn)練樣本選擇和指標(biāo)篩選

4.1 財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警體系的構(gòu)建

本文綜合考慮企業(yè)的財(cái)務(wù)指標(biāo)和非財(cái)務(wù)指標(biāo)，選取盈利能力中的營(yíng)業(yè)收入增長(zhǎng)率，權(quán)益凈利率；選取營(yíng)運(yùn)能力中的應(yīng)收賬款周轉(zhuǎn)率；選取償債能力中的資產(chǎn)負(fù)債率，現(xiàn)金比率，利息保障倍數(shù)，同時(shí)把審計(jì)意見(jiàn)類型作為非財(cái)務(wù)指標(biāo)。在此基礎(chǔ)上構(gòu)建財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警體系。

4.2 財(cái)務(wù)風(fēng)險(xiǎn)評(píng)分值的確定

F 分?jǐn)?shù)模型可以通過(guò)公司當(dāng)年財(cái)務(wù)數(shù)據(jù)進(jìn)行財(cái)務(wù)風(fēng)險(xiǎn)評(píng)估，可以較為準(zhǔn)確的體現(xiàn)公司的財(cái)務(wù)風(fēng)險(xiǎn)高低，所以本文在這里選用F 分?jǐn)?shù)進(jìn)行財(cái)務(wù)風(fēng)險(xiǎn)程度計(jì)量[3]。

F 分?jǐn)?shù)模型公式如下所示：

F=0.1758X1+0.1568X2-0.1546X3+0.3514X4-0.1542X5

變量X1-X5 代表含義如下所示：

X1：流動(dòng)凈資產(chǎn)/總資產(chǎn)；

X2：期末留存收益/總資產(chǎn)；

X3：凈利潤(rùn)/總負(fù)債；

X4：期末股東權(quán)益的市場(chǎng)價(jià)值/期末負(fù)債的市場(chǎng)價(jià)值；

X5：(凈利潤(rùn)+折舊)/平均總資產(chǎn)；

當(dāng)F 值大于0.1041 時(shí)，則說(shuō)明公司財(cái)務(wù)風(fēng)險(xiǎn)處于正常水平；當(dāng)F 分?jǐn)?shù)小于-0.051 時(shí)候，說(shuō)明公司財(cái)務(wù)風(fēng)險(xiǎn)水平較高，甚至有資不抵債的風(fēng)險(xiǎn)；當(dāng)F 分?jǐn)?shù)處于這兩者之間時(shí)，說(shuō)明公司財(cái)務(wù)風(fēng)險(xiǎn)不確定，需要考慮其他因素進(jìn)一步分析。

4.3 PSO-BP 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練

為了建立合適模型，本文將上述F 分?jǐn)?shù)判斷出的結(jié)果作為參照值，以我國(guó)新能源行業(yè)87 家企業(yè)2014-2019 年的上述八個(gè)財(cái)務(wù)數(shù)據(jù)作為輸入值，通過(guò)模型的不斷迭代，使模型輸出結(jié)果不斷向參照值收斂，從而找到模型的合適參數(shù)。下表是訓(xùn)練結(jié)果：

5.X 公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警及分析

5.1X 公司介紹

X 公司正式成立于2002 年，2002 年-2004 年專注于光伏發(fā)電，后來(lái)將業(yè)務(wù)重心轉(zhuǎn)移至新能源汽車電池制造和銷售。到了2008 年，X 公司的新能源電池的市場(chǎng)占有率達(dá)到了48%。后來(lái)到，X 公司在深圳中小板上市，2014 年其市值就超過(guò)了五十億，其主要經(jīng)營(yíng)業(yè)務(wù)也逐漸拓展至光伏發(fā)電、新能源汽車運(yùn)營(yíng)、新能源汽車充電樁等，發(fā)展速度令人咋舌。

5.2 基于PSO-BP 神經(jīng)網(wǎng)絡(luò)的X 公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警分析

將X 公司2014-2019 的財(cái)務(wù)指標(biāo)作為輸入值輸入到建立的神經(jīng)網(wǎng)絡(luò)模型當(dāng)中，得出仿真結(jié)果如下：

根據(jù)仿真結(jié)果可以看出，自X 公司上市以來(lái)，其財(cái)務(wù)風(fēng)險(xiǎn)在2014-2015 年間還尚可，但是2017 年以后不容樂(lè)觀，可以說(shuō)公司的暗藏的財(cái)務(wù)風(fēng)險(xiǎn)在逐步上升。這也側(cè)面說(shuō)明了公司快速擴(kuò)張的戰(zhàn)略選擇之下是風(fēng)險(xiǎn)水平較高的財(cái)務(wù)狀況。

5.3 X 公司的財(cái)務(wù)風(fēng)險(xiǎn)分析

5.3.1 資金的籌集危機(jī)分析

X 公司自上市以來(lái)不僅多次增發(fā)股票，同時(shí)還不斷進(jìn)行債務(wù)籌資。這導(dǎo)致了公司的資本成本變高，從而降低了企業(yè)的價(jià)值。X 公司2015 年開(kāi)始，就不斷進(jìn)行債務(wù)融資。財(cái)務(wù)杠桿和聯(lián)合杠桿在2016 年至2019 年一直呈現(xiàn)出上升的趨勢(shì)，說(shuō)明X 公司還本付息能力和高度負(fù)債下的經(jīng)營(yíng)水平受到了一定程度的影響。此外，可以看出X 公司資產(chǎn)負(fù)債率連年增長(zhǎng)，遠(yuǎn)不如行業(yè)平均值，說(shuō)明公司在這兩年中的財(cái)務(wù)風(fēng)險(xiǎn)相對(duì)較高。

5.3.2 資金的使用危機(jī)分析

目前X 公司沒(méi)有在核心業(yè)務(wù)上實(shí)現(xiàn)技術(shù)上的突破，無(wú)法形成有效的核心競(jìng)爭(zhēng)力。而X 公司的戰(zhàn)略選擇主要是通過(guò)債務(wù)融資來(lái)建立廠房，雖然這種方式可以使得X公司短期內(nèi)獲得利潤(rùn)上的增長(zhǎng)，但是這種方式明顯是不健康的。此外，固定資產(chǎn)和無(wú)形資產(chǎn)的投資占用了大量資金，導(dǎo)致企業(yè)流動(dòng)資金的減少，同時(shí)使得X 公司短期內(nèi)還本付息的能力變差。

6.建議

新能源電池如今已經(jīng)陷入瓶頸，短時(shí)間內(nèi)很難有技術(shù)上的突破，X 公司應(yīng)該認(rèn)識(shí)到這一點(diǎn)并且減少不必要的無(wú)形資產(chǎn)和專利支出。同時(shí)，X 公司的項(xiàng)目過(guò)多，很多項(xiàng)目的建設(shè)周期長(zhǎng)，未來(lái)風(fēng)險(xiǎn)也不確定，所以短期內(nèi)很難產(chǎn)生凈現(xiàn)值，X 公司應(yīng)該叫停一些不必要的項(xiàng)目，保留成熟的項(xiàng)目。

如今國(guó)家已經(jīng)減少對(duì)新能源企業(yè)的相關(guān)補(bǔ)貼，這注定會(huì)導(dǎo)致行業(yè)內(nèi)部競(jìng)爭(zhēng)的加劇，所以X 公司應(yīng)該調(diào)整企業(yè)未來(lái)的發(fā)展戰(zhàn)略，將戰(zhàn)略從發(fā)展戰(zhàn)略調(diào)整為收縮戰(zhàn)略，這有利于X 公司面對(duì)未來(lái)市場(chǎng)的不確定性和做好防御準(zhǔn)備。