基于多元判别模型和BP神经网络模型的上市公司财务困境预警

论文摘要

财务困境不仅是市场经济中的普遍现象,也是一个世界性的问题。尤其是在我国加入WTO之后,我国企业还要面临着其他国家企业的竞争,这大大增加了发生财务困境的可能性。实践表明,多数公司陷入财务困境是一个逐步的过程,都是由财务状况异常到逐步恶化,最终导致公司破产的。因此建立模型对企业进行财务困境预警是可能的,也是必要的。正确有效地预测财务困境对于经营者防范风险、对于保护投资者和债权人的权益、对于政府管理部门加强对经济的监管,都具有重要的现实意义。本文应用Fisher多元分析判别模型和BP神经网络模型对上市公司进行财务困境预警,并应用误判成本标准和判别风险标准比较了两种模型的实证结果,本文的具体内容是作安排如下的:第1章是本文的绪论,介绍了本文的研究背景、研究意义以及研究框架。第2章首先论述了国内外学者对财务困境的定义,但是国内外学者对公司财务困境并没有统一的定义,因此本文将被特别处理（ST）作为上市公司处于财务困境的标志。之后,本章详细论述了国外和国内在财务困境方面的一些研究成果以及研究方法。其中,研究财务困境的方法有单变量分析法、多元判别分析法、Logit模型以及神经网络模型、生存分析法、粗糙集分析法等等。第3章首先说明本文的实证研究是从沪深两市的上市公司中选择了2006—2010年被特别处理的100家上市公司,并且为了剔除了行业与资产规模的不良影响,选取了行业和资产规模与ST上市公司相同或相近的100家上市公司作为配对的样本,随机的将所有样本分为了建模组和检验组,其中建模组用来构建企业的财务困境预警模型,检验组用来判别模型对企业财务困境预测能力。接着,从盈利能力、偿债能力、运营能力、成长能力以及公司股票价值角度,初步选取构建上市公司财务困境预警模型的21个财务指标。最后,对Fisher判别法和BP神经网络的基本原理做了简单的阐述。第4章是本文的实证研究部分。本章首先对变量进行了正态性检验、均值差异检验,将样本均值差异不显著的变量予以剔除,对剩余的比财务变量进行了相关性检验,剔除了相关性较强的一些指标,最后筛选出了适合用于建立模型的财务变量,分别构建了t-1年、t-2年以及t-3年的Fisher多元判别模型,然后选取了所有的21个财务指标构建了BP神经网络模型,我们发现无论是BP神经网络模型还是Fisher多元判别模型,离ST宣告日越远,其预测准确率就越低,而且在财务困境前1-3年,BP神经网络模型对财务困境预测的准确率都高于Fisher多元判别模型。最后我们应用误判成本标准和判别风险标准对两种模型的实证结果进行了比较。结果显示:在财务困境前1-3年,无论是运用误判成本标准还是判别风险标准, BP神经网络模型的表现都优于Fisher多元判别模型。本文的结论是对实证分析所做的总结,并指出本文研究的局限性为今后相关研究发展的方向。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究背景
• 1.2 研究意义
• 1.3 研究框架
• 第2章 财务困境预警研究回顾
• 2.1 财务困境的定义
• 2.2 国内外财务困境预警实证研究回顾
• 2.3 国内外关于财务困境研究方法的评述
• 第3章 上市公司财务困境预警模型设计
• 3.1 研究样本选取
• 3.2 变量的选取
• 3.3 研究方法介绍
• 第4章 实证研究
• 4.1 变量的检验
• 4.2 Fisher 多元判别分析模型的建立
• 4.3 BP 神经网络模型的建立
• 4.4 基于两种模型实证结果的比较分析
• 结论
• 参考文献
• 附录
• 致谢