论文部分内容阅读
世界经济复苏乏力、国内经济增速放缓,作为国民经济最主要支柱产业的制造业面临前所未有的压力,企业经济效益低,负债率畸高,越来越多的企业面临财务危机甚至破产。通过对企业财务预警的研究,可以及早识别财务危机并采取有效措施避免企业破产,为投资者、债权人、管理者以及其他利益相关者提供决策依据。因此,企业财务预警研究具有重要的理论价值和现实意义。本文在回顾和总结国内外经典文献的基础上,分析了基于现金流量的企业财务预警理论,比较了各类典型的财务预警模型的优缺点及其适用性;提出了基于现金流量的制造业企业财务预警指标体系指标选取原则,并据此分别从获现能力、偿债能力、盈利质量、财务弹性与发展的角度选择了17个现金流量指标,构建了基于现金流量的制造业企业财务预警指标体系;选取在2011-2014年间因财务异常首次被特别处理的全部61家制造业ST公司及其配对公司为样本,收集其在被特别处理前近3年的年报和前1年的半年报数据,通过显著性检验和因子分析筛选出10个关键指标作为模型变量,并运用BP神经网络建立了基于现金流量的制造业企业财务预警模型;之后利用Adaboost算法对BP神经网络进行优化,构建了BP-Adaboost组合预警模型。实证分析结果表明:BP-Adaboost组合预警模型的预测准确度高于BP神经网络模型,具有较好的预测能力。财务危机前3年训练样本预测准确度91.46%,检验样本预测准确度82.50%;危机前2年训练样本预测准确度95.12%,检验样本预测准确度92.50%;危机前1年训练样本预测准确度93.90%,检验样本预测准确度90.00%;危机前半年训练样本预测准确度91.46%,检验样本预测准确度80.00%。从而证明了本文选取的现金流量指标是科学的,Adaboost算法是可行的,基于BP-Adaboost的组合预警模型是有效的。最后根据基于现金流量的财务预警指标体系和BP-Adaboost组合预警模型实证结果,分析了代表性企业财务危机发生的原因,并结合现阶段制造业面临的主要风险,提出了避免财务危机的对策建议。