论文部分内容阅读
作为我国国民经济建设的重要的支柱性行业,钢铁行业的长足稳定发展对于我国的工业化及城镇化的进程有着至关重要的作用。但是近年来,在全球经济增长持续放缓、铁矿石和能源价格高位运行的背景下,伴随着经济下行压力加大、市场需求回落,钢铁行业在之前快速发展过程中积累的矛盾和问题逐渐暴露。其中产能过剩问题尤为突出,导致企业利润率大幅度下滑,财务风险加剧。钢铁行业一旦发生财务风险,不仅危及自身的生存和发展,还会给其他关联产业带来风险。因此如何准确预测进而有效控制企业风险与财务危机,进而保障企业的健康长远发展,是目前我国钢铁行业所面临的重要课题。本文首先对国内外学者关于财务危机的内涵以及财务危机预警方面的研究做了文献综述,然后对逻辑回归模型和BP神经网络模型的相关理论进行阐述。在对财务危机内涵进行界定的基础上,结合我国钢铁行业上市公司发展的现状,从公开披露的55个指标中,最终筛选构建了包含22个财务指标和9个非财务指标的钢铁行业上市公司财务危机预警指标体系。本文采用财务危机预警研究领域应用较为广泛的逻辑回归模型以及最近几年新兴的BP神经网络模型,基于两套预警指标(现有研究常用的财务指标体系,以及本文所构建的包含非财务指标的预警指标体系)分别进行实证分析,并对四个模型的结果做出比较与评价。研究结果表明,采用两套指标体系分别构建的逻辑回归模型对发生财务危机公司的预测准确率达到16.7%和33.3%,而BP神经网络的预测准确率分别达到50%和83.3%,可见基于BP神经网络构建的财务危机预警模型准确率比逻辑回归模型有明显的提升;同时,引入非财务指标的指标体系对财务危机预警的效果比财务指标体系有明显的提升。另外本文模型的输出结果均为概率值,预警体现在当概率值的大小超过阈值时,我们就可以判定企业财务状况不容乐观,需要采取措施来控制风险;同时,本文的研究还可以作为钢铁行业及企业自身进行财务危机预警研究时的参考方法。