论文部分内容阅读
【摘要】文章在传统的BP神经网络财务预警模型中加入了公司治理因素，选取了2004-2006年间的48家ST公司为样本，并配对了60家同期、同行业、规模类似的公司，通过显著性检验对变量指标进行筛选，经过对样本的训练和学习，实证研究结果证明，加入公司治理因素的BP神经网络财务预警模型的预测效果较好。
【关键词】神经网络 财务危机 公司治理
在经历了亚洲金融危机、安然公司破产等事件以来，全球许多地区的公司陆续出现财务危机问题。财务危机是指企业经营管理不善、不能适应外部环境变化而导致企业生产经营活动陷入种种危及企业生存和发展的严重困境，包括由于资金管理失败造成的技术意义上的无偿付能力，以及由于企业决策失误或者经营不善造成的破产意义上的无偿付能力。财务危机是公司治理失败的表现，公司治理弱化是企业陷入财务危机的原因之一。本文结合公司治理理论，在传统的BP神经网络财务预警模型中加入公司治理因素，以期提高BP神经模型的预测精度。
一、样本与研究变量的选择
1、选择样本
本文中的研究对象界定为因“财务状况异常”而被“特别处理（ST）”的上市公司。本文选取2004-2006年间因“财务状况异常”而新被ST的48家公司作为财务危机公司的样本。同时，选取同年度、同行业、规模类似的60家公司作为配对样本。然后，将这108个研究样本分为训练样本和测试样本两组。其中，训练样本50个（ST和非ST公司各25个），用于BP神经网络预警模型的自我学习功能；测试样本58个（ST公司23个，非ST公司35个），用于检测该模型的预测效果。本文将上市公司被ST的时间t定为基准日，根据企业t-3年的年度财务数据，来预测该公司第t年是否会成为ST公司。本文研究所有来源资料均来源于中国上市公司资讯网www.cnlist.com。
2、研究变量
（1）财务变量的选取。本文在借鉴国内外研究成果的基础上，根据各财务指标反映的财务状况、经营成果和现金流量的偏重点不同，在盈利能力、营运能力、偿债能力、现金流量四个方面初步选择了13个财务预测变量，如表1所示。
（2）公司治理变量的选取。公司治理变量的选取上，主要从股权结构、董事会结构、管理层持股等三个方面来考虑。第一，股权结构。第一大股东持股比例较低时，随着其持股比例的增加，上市公司发生财务危机的概率变大；但大到一定程度之后，大股东的持股比例越高，公司发生财务危机的概率越低。故选取第一大股东持股比例（X14）作为变量之一。第二，董事会结构。以独立董事为主导的董事会比以内部董事为主的董事会更容易撤换公司的首席执行官，对公司高级管理人员产生强大的经理人市场竞争压力，减轻内部人控制带来的消极影响，也有利于制衡控股股东。因而公司独立董事比例越高，公司陷入财务危机的概率越低。故选取独立董事比例（X15）作为变量之一。第三，管理层持股。根据Jensen和Meckling（1976）提出的“利益收敛假说”观点，认为股权愈集中于管理者的手中，管理者的支出偏好行为所造成的企业财富损失大部分由管理者自己承担，因此管理者行为会较合理化，促进公司绩效。因而管理层持股比例越高，公司陷入财务危机的概率越小。故选取管理层持股比例（X16）作为变量之一。本模型准备选择的研究变量如表1所示。
二、指标的筛选与分析
1、财务指标的筛选与分析
在建立模型之前，首先要对ST公司和非ST公司在陷入财务困境前3年的财务指标进行显著性检验，分析上述13个财务指标中的哪些指标对企业陷入财务困境有较强的判定能力，考察这些指标的显著性变化。通过对13个财务指标的双边T检验的结果可知：t-1年的数据在置信水平0.05下，财务指标显著最多，有11个；而t-2和t-3年财务指标显著有7个和6个。考虑到模型的实用性需要，本文选取t-2年通过T检验的财务指标作为BP神经网络的输入节点。它们是总资产报酬率（X1）、每股收益（X3）、主营业务利润率（X4）、应收帐款周转率（X5）、速动比率（X9）、资产负债率（X10）、主营业务收现率（X12）。
2、公司治理指标分析
在上述选取的7个财务指标的基础上，再加上公司治理结构方面的第一大股东持股比例（X14）、独立董事比例（X15）、管理层持股比例（X16）共计10个指标作为BP神经网络的输入节点。
三、建立模型
1、BP神经网络模型
BP人工神经网络是是人工神经网络中比较典型的学习算法，是基于误差反向传播算法（Back-Propagation）的一种多层前向神经网络。BP神经网络的神经元分层排列，分别组成输入层、隐含层和输出层。由于BP神经网络的神经元采用的传递函数通常是Sigmoid型可微函数，可以实现输入与输出间的任意非线性映射，因此在模式识别、风险评价、自适应控制等方面有着最为广泛的应用。BP网络的学习过程由两部分构成：正向传播和反向传播。当正向传播时，输入信息从输入层经过隐含层处理后传向输出层，每一层神经元的状态只影响下一层的神经元状态。如果在输出层得不到希望的输出，则转入反向传播，将误差信号沿原来的神经元连接通路返回。返回过程中，逐一修改各层神经元连接的权值。这种过程不断迭代，最后使得信号误差达到允许的范围之内。前向BP神经网络结构如图1所示。
在隐含层和输出层中，某个神经元j的输出Oj由下列式子确定：
2、配置阶段
3、训练阶段
在训练阶段，完成对样本的训练学习。我们将135个研究样本分为训练样本和测试样本（训练样本有50个，测试样本有58个）输入系统，基于BP算法训练10×7×1网络结构，选取学习率?浊=0.01，系统误差?着=10-3，权值矩阵初值分别为107阶和71阶的随机矩阵，采用Levenberg-Marquardt算法，借助Matlab6.5语言编程实现模型的构建。程序在PC上经过1147个训练周期后达到要求，得到权值矩阵终值为和，以及阀值终值和。注意到不同的权值初值经过训练可以得到不同的数值终值，但这并不影响训练结果。
4、模型预测结果及检验
按照模型检验程序，我们将50个训练样本数据输入训练好的BP神经网络模型，对训练样本进行返回判定，检验模型的判别能力。同时，把58个测试样本的数据也输入BP神经网络模型，检验模型的预测能力。结果如表2所示。
四、结论
本文在BP神经网络模型的基础上，结合公司治理指标建立了财务预警分析模型，进行了实证研究。得出以下结论：加入公司治理因素的BP神经网络模型有较好的判别能力，判别正确率达到了87.93%；对于在正常公司和ST公司之间临界状态的这类公司而言，用普通模型较难判别，BP神经网络的判别准确性较高；公司治理因素中，随着第一大股东持股比例的增加，公司发生财务危机的概率先增加后减少；独立董事比例和管理层持股比例越高，公司陷入财务危机的概率越小。
本文的下一步研究点在于：首先，公司治理方面指标的选择运用，较多地运用到艺术和职业判断，其指标选择的不同，对模型的预测结果有不同的影响。如何在公司治理指标的选择方面进行合理量化是进一步研究的方向。其次，公司治理因素是影响企业发生财务危机的重要因素，但造成到企业财务危机的影响因素很多，在公司战略、企业组织机构文化、管理者的经营理念等方面将做进一步的研究探索。最后，将公司财务危机的形式划分为危机和健康，这种分类方法稍显简陋。公司财务危机的发生是一个渐进过程，财务危机的形式不仅仅只有危机和健康两种。以后考虑将危机的严重程度进一步细化，分为严重财务危机公司、轻微财务危机公司、财务正常公司。
【参考文献】
[1] 陈静：上市公司财务恶化预测的实证分析[J].会计研究，1999（4）。
[2] 吴世农、卢贤义：我国上市公司财务困境的预测模型研究[J].经济研究，2001（6）.
[3] 张鸣、张艳、程涛：企业财务预警研究前言[M].中国财政经济出版社，2004.
[4] 胡新良：公司治理对财务危机的影响研究[D].重庆大学，2007.
【关键词】神经网络 财务危机 公司治理
在经历了亚洲金融危机、安然公司破产等事件以来，全球许多地区的公司陆续出现财务危机问题。财务危机是指企业经营管理不善、不能适应外部环境变化而导致企业生产经营活动陷入种种危及企业生存和发展的严重困境，包括由于资金管理失败造成的技术意义上的无偿付能力，以及由于企业决策失误或者经营不善造成的破产意义上的无偿付能力。财务危机是公司治理失败的表现，公司治理弱化是企业陷入财务危机的原因之一。本文结合公司治理理论，在传统的BP神经网络财务预警模型中加入公司治理因素，以期提高BP神经模型的预测精度。
一、样本与研究变量的选择
1、选择样本
本文中的研究对象界定为因“财务状况异常”而被“特别处理（ST）”的上市公司。本文选取2004-2006年间因“财务状况异常”而新被ST的48家公司作为财务危机公司的样本。同时，选取同年度、同行业、规模类似的60家公司作为配对样本。然后，将这108个研究样本分为训练样本和测试样本两组。其中，训练样本50个（ST和非ST公司各25个），用于BP神经网络预警模型的自我学习功能；测试样本58个（ST公司23个，非ST公司35个），用于检测该模型的预测效果。本文将上市公司被ST的时间t定为基准日，根据企业t-3年的年度财务数据，来预测该公司第t年是否会成为ST公司。本文研究所有来源资料均来源于中国上市公司资讯网www.cnlist.com。
2、研究变量
（1）财务变量的选取。本文在借鉴国内外研究成果的基础上，根据各财务指标反映的财务状况、经营成果和现金流量的偏重点不同，在盈利能力、营运能力、偿债能力、现金流量四个方面初步选择了13个财务预测变量，如表1所示。
（2）公司治理变量的选取。公司治理变量的选取上，主要从股权结构、董事会结构、管理层持股等三个方面来考虑。第一，股权结构。第一大股东持股比例较低时，随着其持股比例的增加，上市公司发生财务危机的概率变大；但大到一定程度之后，大股东的持股比例越高，公司发生财务危机的概率越低。故选取第一大股东持股比例（X14）作为变量之一。第二，董事会结构。以独立董事为主导的董事会比以内部董事为主的董事会更容易撤换公司的首席执行官，对公司高级管理人员产生强大的经理人市场竞争压力，减轻内部人控制带来的消极影响，也有利于制衡控股股东。因而公司独立董事比例越高，公司陷入财务危机的概率越低。故选取独立董事比例（X15）作为变量之一。第三，管理层持股。根据Jensen和Meckling（1976）提出的“利益收敛假说”观点，认为股权愈集中于管理者的手中，管理者的支出偏好行为所造成的企业财富损失大部分由管理者自己承担，因此管理者行为会较合理化，促进公司绩效。因而管理层持股比例越高，公司陷入财务危机的概率越小。故选取管理层持股比例（X16）作为变量之一。本模型准备选择的研究变量如表1所示。
二、指标的筛选与分析
1、财务指标的筛选与分析
在建立模型之前，首先要对ST公司和非ST公司在陷入财务困境前3年的财务指标进行显著性检验，分析上述13个财务指标中的哪些指标对企业陷入财务困境有较强的判定能力，考察这些指标的显著性变化。通过对13个财务指标的双边T检验的结果可知：t-1年的数据在置信水平0.05下，财务指标显著最多，有11个；而t-2和t-3年财务指标显著有7个和6个。考虑到模型的实用性需要，本文选取t-2年通过T检验的财务指标作为BP神经网络的输入节点。它们是总资产报酬率（X1）、每股收益（X3）、主营业务利润率（X4）、应收帐款周转率（X5）、速动比率（X9）、资产负债率（X10）、主营业务收现率（X12）。
2、公司治理指标分析
在上述选取的7个财务指标的基础上，再加上公司治理结构方面的第一大股东持股比例（X14）、独立董事比例（X15）、管理层持股比例（X16）共计10个指标作为BP神经网络的输入节点。
三、建立模型
1、BP神经网络模型
BP人工神经网络是是人工神经网络中比较典型的学习算法，是基于误差反向传播算法（Back-Propagation）的一种多层前向神经网络。BP神经网络的神经元分层排列，分别组成输入层、隐含层和输出层。由于BP神经网络的神经元采用的传递函数通常是Sigmoid型可微函数，可以实现输入与输出间的任意非线性映射，因此在模式识别、风险评价、自适应控制等方面有着最为广泛的应用。BP网络的学习过程由两部分构成：正向传播和反向传播。当正向传播时，输入信息从输入层经过隐含层处理后传向输出层，每一层神经元的状态只影响下一层的神经元状态。如果在输出层得不到希望的输出，则转入反向传播，将误差信号沿原来的神经元连接通路返回。返回过程中，逐一修改各层神经元连接的权值。这种过程不断迭代，最后使得信号误差达到允许的范围之内。前向BP神经网络结构如图1所示。
在隐含层和输出层中，某个神经元j的输出Oj由下列式子确定：
2、配置阶段
3、训练阶段
在训练阶段，完成对样本的训练学习。我们将135个研究样本分为训练样本和测试样本（训练样本有50个，测试样本有58个）输入系统，基于BP算法训练10×7×1网络结构，选取学习率?浊=0.01，系统误差?着=10-3，权值矩阵初值分别为107阶和71阶的随机矩阵，采用Levenberg-Marquardt算法，借助Matlab6.5语言编程实现模型的构建。程序在PC上经过1147个训练周期后达到要求，得到权值矩阵终值为和，以及阀值终值和。注意到不同的权值初值经过训练可以得到不同的数值终值，但这并不影响训练结果。
4、模型预测结果及检验
按照模型检验程序，我们将50个训练样本数据输入训练好的BP神经网络模型，对训练样本进行返回判定，检验模型的判别能力。同时，把58个测试样本的数据也输入BP神经网络模型，检验模型的预测能力。结果如表2所示。
四、结论
本文在BP神经网络模型的基础上，结合公司治理指标建立了财务预警分析模型，进行了实证研究。得出以下结论：加入公司治理因素的BP神经网络模型有较好的判别能力，判别正确率达到了87.93%；对于在正常公司和ST公司之间临界状态的这类公司而言，用普通模型较难判别，BP神经网络的判别准确性较高；公司治理因素中，随着第一大股东持股比例的增加，公司发生财务危机的概率先增加后减少；独立董事比例和管理层持股比例越高，公司陷入财务危机的概率越小。
本文的下一步研究点在于：首先，公司治理方面指标的选择运用，较多地运用到艺术和职业判断，其指标选择的不同，对模型的预测结果有不同的影响。如何在公司治理指标的选择方面进行合理量化是进一步研究的方向。其次，公司治理因素是影响企业发生财务危机的重要因素，但造成到企业财务危机的影响因素很多，在公司战略、企业组织机构文化、管理者的经营理念等方面将做进一步的研究探索。最后，将公司财务危机的形式划分为危机和健康，这种分类方法稍显简陋。公司财务危机的发生是一个渐进过程，财务危机的形式不仅仅只有危机和健康两种。以后考虑将危机的严重程度进一步细化，分为严重财务危机公司、轻微财务危机公司、财务正常公司。
【参考文献】
[1] 陈静：上市公司财务恶化预测的实证分析[J].会计研究，1999（4）。
[2] 吴世农、卢贤义：我国上市公司财务困境的预测模型研究[J].经济研究，2001（6）.
[3] 张鸣、张艳、程涛：企业财务预警研究前言[M].中国财政经济出版社，2004.
[4] 胡新良：公司治理对财务危机的影响研究[D].重庆大学，2007.