基于遗传神经网络的公司财务危机研究

1一、绪论（一）研究背景与意义从1979年改革开放开始到2015年间，中国以持续37年年均9.5%的超高速增长率，在人类经济史上书写了不曾有过的奇迹，而这种奇迹的产生，离不开中国资本市场的飞跃式的发展。上海和深圳两地证券交易所①的建立，是中国股票市场初步形成的标志，是中国资本市场发展的标志。根据统计数据，在1991年，我国上市公司在14家左右，而到2014年这一数量增大到2584，23年间增长了184倍；截至2014年10月底，沪深股市的总市值在30.05万亿元左右，总市值排名已超过日本，排全球第二。如今时间已来2015年，蓦然回首，中国资本市场已经走过了25年曲折而又不凡的历程。我国上市公司在中国资本市场的发展中得到了锻炼和成长，在这个过程中公司管理模式更加优化，已经逐渐成为推进国民经济发展的重要力量。截至2007，上市公司主营收入达到了我国GDP总量的38.57%，而截至2011年，这一数字已快速增长为45.54%。上市公司不仅在经济上贡献卓越，同时，在实现科技创新、推动环保发展等经济转型中发挥重大作用。毋庸置疑，中国上市公司已经成为国民经济重要的支柱之一。但是接连爆发的经济危机，使世界经济增速不断放缓。2007年美国爆发的国际金融危机，迅速波及世界各地，至今仍未完全恢复。2009年欧债危机爆发，三大评级机构下调欧洲多国主权信用评级，其中惠誉（FitchRatings）将希腊主权评级下调至CCC级，欧洲股市重挫，全球股市风声鹤唳。到2011年，美国债务达到法定债务上限14.29万亿美元，美债危机爆发，全球市场因标普（Standard&Poor's）将美国主权评级下调而大规模动荡。当人们还未从周期性的金融危机中恢复时，2014年俄罗斯经济危机再度来袭。在油价下跌、政治因素、经济制裁等多重压力下，卢布迅速贬值，其中卢布兑美元汇率跌幅高达19%；股市崩盘，俄罗斯股指RTS指数大跌19%，创1995年以来最大跌幅。为遏制卢布贬值，俄罗斯央行意外将基准利率从10.5%上调至①在1990年11月26日，上海证券交易所建立，1991年7月3日，深圳证券交易所建立。217%，从那之后卢布汇率略有攀升。然而，17%的基准利率却使俄罗斯大批公司不堪高昂的借贷成本而面临破产。国际经济环境的动荡，让中国经济乃至中国的上市公司都经历着巨大的考验。2014年10月，上海黄金交易所推出国际版，首次允许外国机构交易黄金。在未来，中国金融市场门户开放的步伐还将继续加快，中国公司所面临的国内外竞争压力也继续加大。根据统计，2008共有29家上市公司首次进入ST公司①名单；而2009年我国沪深两市又新增ST公司32家；2010年这个数字更是增加到53家。由此可以看出我国上市公司的ST群落有不断的扩充的趋势。公司财务危机的发生原因是多方面的，可能是逐渐恶化的财务危机，也可能是突发的债务危机。但从实际来看，公司财务危机的发生通常表现为财务状况由正常到逐步恶化再到最终濒临破产的一个渐进的过程。也就是说，通过科学的分析公司财务数据，建立一套完善的预测模型，是可以在财务危机来临之前做好预防措施，保护公司及投资者的利益。1．对于公司来说，进行财务危机分析能协助公司管理者在危机发生之前监测危机并及时改变决策有效管理经营过程中的各种问题，包括财务漏洞和经营隐患等，能够提前预测危机，进而做到改进公司的运营水平和提高财务危机的应对能力，从而最终实现预防财务危机、提前应对风险、且使损失达到最小等目标，这样才能确使公司的持续发展和继续壮大；财务危机分析能监督公司在危机发生前调整公司资产结构，使用持续鉴别以及处理坏账资金、不良资产等途径，从而提高公司的利润盈利能力和账务偿还能力；与此同时，进行财务危机分析还能建立公司管理者以及公司员工关于财务危机的处理能力以及对危机预防意识，对提升信心，以及对于公司文化的塑造和升华也大有帮助。2．对于广大普通投资者来说，不论是进行上市公司的债券投资，或是进行股市投资，都要对所投资公司的财务状况进行评估，以帮助他们准确判断所投资公司的盈利能力、偿债能力等，并根据评估推测当前公司的股票价格有无高估或①在1998年4月22日，证监会实施了新的规则，对财务状况恶化、经营出现异常或违反重大规定的上市公司股票进行特别处理，标为ST股。在2003年4月2日，沪深交易所颁布《关于对存在股票终止上市风险的公司加强退市风险警示等问题的通知》，对有可能有退市风险的上市公司，标为“*ST”股，用以表示“退市风险警示”。这项举措被广泛认为是保护投资者利益，减小市场风险的合理措施。3者低估，从而提早做出判断，为他们的投资方向做出决策。3．对于国家资本市场管理部门来说，构筑财务危机分析模型能在危机发生之前筛选出即将陷入财务危机的上市公司，提前下发行政干预，降低公司破产的预期，进而能够避免高昂的破产停业支出以及因广大民众失业而导致的民生状况恶化，并在宏观上优化资源配置。与此同时，财务危机分析还能为管理部门提供参考依据，根据不同的危机等级实施不同的监管力度。4．对于社会宏观经济发展来说，构筑合符中国经济实际的财务危机分析模型，能促进宏观经济平稳健康的发展。（二）研究思路、内容和结构本设计以上证A股及深证A股的上市公司为研究对象，将因财务状况异常而被特别处理(ST)作为公司进入财务危机的标志，使用主成分分析法选取上市公司前三年的财务指标，作为GA-BP神经网络模型输入变量建立上市公司财务危机分析模型，最后，用随机选取的60家上市公司测试样本对所建立的模型进行检验。本设计的结构和思路如下：第一章绪论，包括研究背景与意义，研究思路内容和结构。第二章文献综述，首先介绍了国内外学者对于公司财务危机的研究成果，其次介绍了国内外学者分析公司财务危机进行不同方法的尝试，然后引出公司财务危机分析模型的出现、发展和在金融经济等多方面的应用。第三章公司财务危机的定义及原因，这也是本设计重要的理论基础。首先介绍了公司财务危机的定义及相关性质，然后介绍了公司财务危机多方面的形成原因分析。第四章遗传神经网络模型的构建，首先简要介绍了遗传算法和人工神经网络算法的基本思想及特点，随后介绍了如何用遗传算法优化BP神经网络算法。第五章GA-BP神经网络模型的建立及实证分析，详细的介绍了样本数据的选取、指标变量的筛选、模型建立及参数选择。随后根据实验结果，分析优化模型。第六章总结与展望，分析上一章模型计算出的参数结果，总结通过GA-BP神经网络模型得出的结论。之后说明了由于数据的选取、数据的处理方式和模型4的选用等方面原因而导致计算结果的误差和整个文章的缺点与不足。二、文献综述自20世纪30年代开始，西方经济学界开始有关财务风险的研究，工作大都偏向于财务预警模型的构建。财务风险预警系统在预警公司财务风险、识别公司财务漏洞上有较强应用，已成为西方学界的共识。Fitzpatrick(1932)学者的单变量破产预测研究是最早进行财务危机的探索之一，在他的研究中，发现用净利润／股东权益和股东权益／负债来预测公司破产的能力较强，并在公司发生危机的前三年，这两类指标出现了明显的差异性。在1966年，学者Beaver的研究也使用了单变量模型，但在研究广度上继续开拓，使用了79个有财务状况不佳的公司。研究最终认为资产负债率(债务总额/资产总额)、资产收益率(净收益/资产总额)和债务保障率(现金流量/债务总额)三个指标能对公司财务危机有较为有效的。在1968年，学者Altman在这一公司危机研究当中，首次运用了多元判定分析法(MultipleDiscriminantAnalysis)。在研究过程中，其选择了产生财务危机和财务良好的公司各33家来进行对比，对比原则是行业与资产规模都要相当。根据研究，其选择了五个影响力最大的变量作为模型输入变量，该多元线性判定模型为:Z=1.2𝑋1+1.4𝑋2+3.3𝑋3+0.6𝑋4+1.0𝑋5其中:𝑋1=营运资本/总资产；𝑋2=留存收益/总资产；𝑋3=二息税前利润/总资产；𝑋4=股东权益的市值/总负债的账面价值；𝑋5=销售收入/总资产。该模型就是有名的Z-SCORE模型。该模型的判断规则为：当Z2.675时，公司的财务情况较好，即发生财务危机的概率较小；当1.51Z2.675时，可以认为公司的财务情况不稳定；当Z1.51时，可认为公司有较大财务危机风险。经总结统计，Altman研究的Z-SCORE模型的预测成功率达到95%以上。在1977年，学者Martin运用了多元逻辑（Logistic）回归法进行财务危机研究，为该领域首次。最后，将研究结果与Z-SCORE模型、Zeta模型进行比较研究，结论认为Logistic模型在预测效果上更优。在1980年，学者Ohlson也运用多元逻辑（Logistic）回归方法对公司财务5危机领域进行了研究，他选择了从1970年到1976年105个破产公司以及2058个非破产公司，然而不同的是，他只选取了规模、资本结构、业绩以及变现能力这四个财务指标变量进行预测，其结论是准确率达到了96.12%。在1985年，学者Bartzak和Norman在多元逻辑（Logistic）回归方法上进行了创新，其在选择财务指标变量上，选取了大量与经营现金流相关的财务指标变量，对1971年到1982年的60个破产公司以及230个非破产公司开展了研究。然而，研究结果显示增加使用与经营现金流相关的财务危机指标并不能提生预测的精度。直到20世纪90年代初，整体学界在公司财务危机研究领域运用的研究方法还集中在统计类的方法中。在此阶段，统计类的研究方法貌似进入瓶颈阶段，没有新的方法来推进预测精度的进一步提高。因而，在20世纪90年代，这一领域的学者开始探索新的研究方法来提升预测精度。这个阶段出现的新方法有：人工神经网络法、生存分析法、期权定价模型等。在1990年，学者Odom和Sharda开创性的运用了人工神经网络(ArtificialNeuralNetworks)方法于公司财务危机预测研究中。该模型使用了Altman的Z-SCORE模型的5个指标变量作为模型的输入变量，选取1975年至1982年间破产公司和非破产公司各65家作为训练样本。研究结论显示其对保留样本失败类公司与正常类公司的预测准确率分别为81.75%和78.18%，然而，人工神经网络在计算上较为复杂，理论基础尚未成熟，成为该模型的缺点。在1995年，学者Daily和Dalton研究发现公司的董事长和总经理是否为同一人，也对公司财务危机预测有影响，与公司破产率呈正比关系。在2000年，学者Charitou和Trigeorgis运用期权定价模型于公司财务危机领域研究，他们主要选择了1983年到1994年近139对公司，研究发现公司资产当期市价、到期债务面值、公司价值变化的标准差等期权变量在公司财务危机模型中有较大影响力。我国的财务危机研究在近20世纪80年代开始逐渐起步。最早的研究是吴世农、黄世忠(1986)的《公司破产的分析指标和预测模型》，两人在文章中引入了财务风险预警模型的概念。在1999年，佘廉的著作《公司预警管理理论》出版，受到了国家自然科学6基金委员会的鼎力支持。从此往后，这一领域开始受到广泛的关注，国内的一些学者也开始这一方向的研究。张玲(2000)对120家企业进行了研究，她选取了60家公司的数据用于二类线性判别模型的构建，然后用另外60家公司的财务数据作为对之前建立模型的检验样本。结论认为这一模型有较强的风险预测能力，预测范围能达到危机发生前4年。赵健梅，王春莉(2002)选取了近80家上市公司作为研究对象，分别采用了多元分析和单变量分析方法进行了研究，来辨别ST公司与非ST公司，研究发现所建模型在分类能力和预测能力都有不错的表现。然而，在他们的模型中，以总资产利润率或净资产利润率为指标的单变量指标模型的辨别精度高于多变量模型。在2001年，吴世农、卢贤义研究了多种预测财务危机的方法。他们选取了ST公司和非ST公司各70家，采用单变量分析研究ST公司被ST的前5年时间的财务数据，并与非