基于BP神經網絡的信息技術業上市公司財務危機預警研

本文是一篇財務管理論文，本文將財務危機界定為被證監會特別處理（即 st），選取 2009 年~2018 年初次被 st 或*st 的 20 家 a 股信息技術業的上市企業，同時選擇整個信息技術業的非 st 企業作為對照的財務健康企業，共 266 家信息技術業上市公司企業作為樣本研究數據，構建信息技術業財務危機預警模型。在參考大量學者研究及聯系信息技術行業特征后，選擇財務及非財務指標構建預警指標體系，并對預警體系進行優化以便于后續構建 bp 神經網絡模型。

第 1 章 緒論
1.1 研究背景
企業管理的關鍵環節是財務管理，企業管理的水平在很大程度上受財務管理技術水平的直接影響。財務危機管理是企業財務管理不可或缺的部分，通過分析財務危機界定、成因及其預警方法，對財務危機預警研究建模，可以完善我國企業財務危機管理理論，對構建有效財務危機預警體系有實際意義。在我國的“十二五”規劃中，信息技術業被列為七大戰略性新興產業之一，同時引導傳統信息技術產業向新一代信息技術產業過渡。“十三五”的國家戰略中指出需要做大做強信息技術的核心產業，鼓勵信息技術產業跨產業發展。中國的物聯網技術、互聯網大數據技術、云計算技術、工業智能制造等等都離不開信息技術產業的發展，信息技術產業也逐漸成為推動中國經濟發展的一支重要力量。由此可見，信息技術業未來會成為經濟領域的最為重要的部分之一，如果發生財務危機波及范圍更大，造成更為惡劣地影響。信息技術業與傳統制造業和房地產業相比，對于資金鏈和核心技術要求較高，側重于對無形資產和研發的投入，未來收益具有不確定性，這就使得信息技術業更容易面臨財務問題。

........................

1.2 研究意義
事實證明，企業綜合性危機的發生都與財務管理問題密不可分，財務狀況、經營成果、現金流量方面一旦發生嚴峻問題，企業持續經營的可能性就很小，可能面臨著被市場淘汰，嚴重時可能會造成企業重整或者破產清算。因此，企業應該積極建立有效的財務危機預警模型。有效且完善的財務危機預警模型不僅可以幫助企業事前對財務危機進行預測防范，還有利于企業采取有效措施化解危機，提升管理層的管理技術。同時對于機構的規范監管也有重要意義，證券監管機構本職是規范資本市場的運作機制，有效維護投資者權益，證券監管部門可以借鑒預警模型對市場進一步規范監管。
運用 bp 神經網絡構建信息技術業財務危機預警模型，matlab 軟件為模型的運行提供了直接可利用工具箱，在訓練網絡時，對輸入數據沒有嚴格的線性要求，還可以調整模擬輸入出錯的數據，恢復輸出層數據的正確性，網絡穩定性好，預測精度高。
發達國家憑借其歷史悠久且成熟的資本市場，對財務危機預警的研究早于國內，已經形成較為完善的預警體系。構建有效的財務危機預警模型是國外學者研究的主要關注點，經濟體制的差別使得國外學者在研究過程中一般將申請破產或者破產的企業作為研究對象，基于定量化和客觀化的樣本數據構建有效預警指標體系。中國國內雖然對于研究財務危機預警起步較晚，但是發展速度快，在實證研究中，通常在借鑒國外經驗基礎上結合中國市場企業實際情況，一般以被 st 作為實證研究中企業發生財務危機的標志來建立財務危機預警模型。
.........................

第 2 章 財務危機理論概述
2.1 財務危機界定研究
財務危機預警模型首先要確定企業什么情況下才被界定為發生財務危機，不同財務危機的界定方式對于構建財務危機指標體系和財務危機預警模型以及最終的預測精準度都有不同的程度地影響。雖然被 st（特別處理）雖然不等同于發生財務危機，但是被 st 公司往往是連續兩年凈虧損或凈資產為負或存在債務糾紛等等，這些因素均與財務危機聯系緊密，因此本文在結合 1.3.1 有關于財務危機概念的文獻基礎上，界定發生財務危機范圍為被證監會特別處理，在實證分析中將st 公司作為研究財務危機的樣本，研究財務危機預警模型。
..........................

2.2 財務危機成因
2.2.1 外部原因
（1）宏觀環境
宏觀環境主要包括政治和法律因素、經濟因素、社會和文化因素以及經濟因素。首先，企業所在國家和地區的政局穩定、政府行為對企業的影響、執政黨所持的態度和推行的基本政策以及這些政策的連續性和穩定性、各政治利益集團對企業活動產生的影響等政治和法律因素，都可能成為誘發企業發生財務危機的因子；其次，當前經濟狀況、社會經濟結構、經濟發展水平、經濟體制、宏觀經濟政策等經濟因素，可能使得企業經營難以為繼；再次，人口因素、社會流動性、消費心理、生活方式變化、文化傳統、價值觀等社會和文化因素，也在一定程度上限制企業的生存發展；最后，國家科技體制、科技政策、科技水平、科技發展趨勢等技術因素，更是決定一個企業發展的關鍵因素，影響企業生命力。

（2）產業環境
產業環境，platt（1990）探究產業因素影響財務危機發生概率的可能性，得出財務危機發生概率受產業因素影響[46]。產業發展通常都會經過導入期、成長期、成熟期、衰退期四個階段，導入期的企業主要專注于投資研發和技術改進，提高產品質量，經營風險非常高，衰退期的企業經營側重于控制成本，以求維持整的現金流量，由此可見，處于導入期和衰退期的企業受產業環境影響波動大，發生財務危機可能性較大。
（3）競爭環境
競爭環境，企業間的競爭是不可避免的，企業的核心能力、成長能力、快速反應能力、適應變化能力、持久力都影響著企業競爭能力。美國執政黨的對華態度以及推行政策的不斷反復，中美貿易戰中美國設置的關稅壁壘使得中國企業在國家市場中的競爭力減弱，經濟貿易摩擦不斷升級，中美國家關系緊張，美國政府的管制使得中美企業競爭加劇，中國企業生存難度升級，發生財務危機可能性大大增加。
................................

第 3 章 信息技術業行業概述
3.1 信息技術業界定

..................................
3.2 信息技術業行業特征

............................
3.3 本章小結

........................................
第 4 章 信息技術業上市公司財務危機預警指標體系的構建
4.1 樣本的選擇
4.1.1 樣本選擇原則

.........................
4.1.2 具體樣本選擇

............................

第 5 章 信息技術業上市公司財務危機預警模型構建
5.1 bp 神經網絡的基本概念
bp 神經網絡（back propagation neural network）是一種多層前饋神經網絡，主要特點是不需要事先揭示描述的映射關系，并且可以同時進行正向計算和誤差反向傳播過程的多層前饋網絡。三層 bp 神經網絡模型由輸入層、隱含層、輸出層構成，樣本數據通過函數從輸入層向隱含層傳遞最后傳至輸出層，如中間過程出現誤差則按照原路徑返回至輸入層，根據預測誤差調整網絡權值和閾值，系統會自動修正，直至輸出結果達到所設定的預測精度為止，可以使得預測輸出值不斷向期望輸出值逼近。

5.2 bp 神經網絡的設計
..........................

結論
本文將財務危機界定為被證監會特別處理（即 st），選取 2009 年~2018 年初次被 st 或*st 的 20 家 a 股信息技術業的上市企業，同時選擇整個信息技術業的非 st 企業作為對照的財務健康企業，共 266 家信息技術業上市公司企業作為樣本研究數據，構建信息技術業財務危機預警模型。在參考大量學者研究及聯系信息技術行業特征后，選擇財務及非財務指標構建預警指標體系，并對預警體系進行優化以便于后續構建 bp 神經網絡模型，主要研究結論如下：
第一：運用 bp 神經網絡模型預警信息技術業財務危機效果良好。本文選擇信息技術業作為樣本數據，通過正態性檢驗、mann-whitney u 檢驗及因子分析優化信息技術業財務危機預警指標體系，將優化的指標體系用于構建 bp 神經網絡訓練模型，由于 bp 神經網絡無須事先對變量關系進行設定，在訓練過程中可以反復調整權值和閾值，對數據利用程度高，可以保證分析的準確性和可靠性。實證結果證明模型訓練性能較好，測試精準度較高，識別能力較強。
第二：測試結果的精準度與測試年份相關。本文運用的樣本數據不是截面數據而是面板數據，分別測試樣本 t-3 年、t-2 年、t-1 年的樣本擬合效果和測試精確度，經過測試顯示，無論是財務危機企業還是財務健康企業，t-1 年的指標數據構建的bp 神經網絡模型測試的精確度均高于 t-2 年、t-3 年的測試精確度，t-3 年、t-2 年、t-1 年的綜合正確率分別為 87.74%、91.51%、95.28%。可以得出越臨近財務危機發生年份，指標數據中包含的預警信息越多，預警效果越好。
參考文獻（略）

本文收集整理于網絡，如有侵權請聯系客服刪除！