论文部分内容阅读
随着经济的发展,企业面临的环境越发诡谲多变。投资及经营的多元化,竞争的加剧,以及科技发展带来的结构性摩擦,使得现代企业比从前面临了更加难以掌控的风险。是借助风险的力量使企业涅槃,还是在风险的大浪中葬身浪底,在危机到来之前的预警就尤为重要。企业的风险不仅仅局限于财务方面,但是企业经营失败往往来源于薄弱的财务风险控制。综观近年来,数个庞然大物的破产,给予其致命一击的往往是财务风险的失控。每个企业在经营过程中,都应该随时考虑财务预警管理,以期在危机发生之前将其扼杀于可控范围之内。本文主要研究,在中国制造业上市公司中,利用理论上更适于进行预测研究的BP神经元网络技术建立财务预警模型,对未来可能到来的危机进行预测,是否更为准确和有效。本文首先阐述财务预警研究的理论基础,界定财务风险的相关概念。在厘清基本理论之后,结合前人研究的成果,建立财务预警模型的指标体系。其次以我国制造业上市公司作为研究样本进行财务预警模型的构建和研究。选择了69家ST公司69家非ST公司作为研究样本。选取了具有代表性的财务指标及非财务指标。通过主成分分析的方法,筛选出具有代表性的财务指标,纳入非财务指标后建立指标体系。利用主成分分析,提取具有代表性的有效指标。最后利用因子分析后的指标体系,建立BP神经网络模型,计算出预测准确率。为了比较BP神经元网络在财务预警研究中的有效性,本文同时采用传统的logistic回归模型进行比较。BP神经网络财务预警模型总的正确判断率为97%,logistic回归模型总的正确判断率为94%。总体上,BP神经元网络模型较优。尤其在避免第二类错误上有明显的进步。因此可以得出结论:在中国制造业上市公司中,利用BP神经元网络技术建立财务预警模型对未来可能到来的危机进行预测,更为准确和有效。