基于粒子群優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的我國(guó)上市公司財(cái)務(wù)困境預(yù)警研究.pdf

1、財(cái)務(wù)困境已成為一個(gè)世界問(wèn)題，因?yàn)樗鼤?huì)極大地影響投資者、信貸者以及銀行官員的財(cái)務(wù)決策，審計(jì)人員也需要通過(guò)財(cái)務(wù)困境的判別和預(yù)測(cè)來(lái)獲取財(cái)務(wù)信息．公司陷入財(cái)務(wù)困境是一個(gè)逐步的過(guò)程，不但具有先兆，而且可以預(yù)測(cè)．正確預(yù)測(cè)公司財(cái)務(wù)困境，對(duì)于保護(hù)公司投資者和債權(quán)人的利益、對(duì)于管理者防范財(cái)務(wù)危機(jī)、對(duì)于政府管理部門(mén)監(jiān)控上市公司質(zhì)量和證券市場(chǎng)風(fēng)險(xiǎn)，都具有重要的現(xiàn)實(shí)意義。 有很多方法可以用于解決財(cái)務(wù)困境預(yù)測(cè)問(wèn)題，其中用的最多的是統(tǒng)計(jì)方法，包括多元判別分

2、析法(MDA)、Logit法和Probit法。由于有些變量分布并不符合MDA所需要的統(tǒng)計(jì)假設(shè)，所以使用MDA方法有可能導(dǎo)致判別結(jié)果產(chǎn)生偏差．決策樹(shù)、Logit法和Probit法是MDA的替代方法。但它們同樣要求樣本滿足一定的統(tǒng)計(jì)假設(shè)，而這些統(tǒng)計(jì)假設(shè)也限制了這些方法的應(yīng)用． 本文首先依據(jù)對(duì)財(cái)務(wù)困境的具體界定，選取了60家處于財(cái)務(wù)困境的企業(yè)和同期60家正常企業(yè)為研究樣本，參考國(guó)內(nèi)外的研究模型，對(duì)上市公司t-3年的常規(guī)財(cái)務(wù)指標(biāo)數(shù)據(jù)和現(xiàn)

3、金流量財(cái)務(wù)數(shù)據(jù)進(jìn)行了正態(tài)性檢驗(yàn)、均值差異非參數(shù)檢驗(yàn)和Spearman非參數(shù)相關(guān)分析，從28個(gè)財(cái)務(wù)指標(biāo)中選取了具有較強(qiáng)判別能力的14個(gè)財(cái)務(wù)指標(biāo)作為模型的輸入變量．然后針對(duì)傳統(tǒng)統(tǒng)計(jì)方法的局限性，建立了BP神經(jīng)網(wǎng)絡(luò)財(cái)務(wù)困境預(yù)警模型．最后針對(duì)BP網(wǎng)絡(luò)的不足建立了粒子群優(yōu)化BP神經(jīng)網(wǎng)絡(luò)財(cái)務(wù)預(yù)警模型．研究結(jié)果表明：在上市公司ST發(fā)生的t-3年，這14個(gè)指標(biāo)都能具有較強(qiáng)的信息時(shí)效性，兩種預(yù)警模型對(duì)檢驗(yàn)樣本的預(yù)測(cè)準(zhǔn)確率分別為80％、85％，實(shí)證結(jié)果顯示