上市公司財(cái)務(wù)失敗智能預(yù)警模型及其應(yīng)用研究.pdf

1、企業(yè)財(cái)務(wù)失敗預(yù)警問題備受關(guān)注，成為經(jīng)濟(jì)管理學(xué)界和商業(yè)界一個(gè)的重要課題。實(shí)現(xiàn)上市公司財(cái)務(wù)失敗的客觀預(yù)警，對(duì)于投資決策、失敗診斷、金融風(fēng)險(xiǎn)防范以及監(jiān)管層加強(qiáng)監(jiān)督都具有重要意義。財(cái)務(wù)失敗預(yù)警研究是一個(gè)涉及信息采集、預(yù)測(cè)方法、決策理論、專家經(jīng)驗(yàn)、信息系統(tǒng)建模等諸多學(xué)科的復(fù)雜工程，且面臨新型分析技術(shù)的挑戰(zhàn)以及受到我國(guó)資本市場(chǎng)特殊性的制約。
　　 國(guó)內(nèi)外財(cái)務(wù)失敗預(yù)警研究較為全面和深入，但仍然在失敗動(dòng)態(tài)界定、失敗預(yù)警指標(biāo)選擇、模型構(gòu)建、預(yù)警知

2、識(shí)發(fā)現(xiàn)、預(yù)警系統(tǒng)商業(yè)化、風(fēng)險(xiǎn)控制等方面存在相當(dāng)不足。財(cái)務(wù)失敗預(yù)警是一個(gè)復(fù)雜的半結(jié)構(gòu)化決策問題，僅依靠數(shù)學(xué)模型解決預(yù)警問題有很大局限性。因此，有必要以新技術(shù)和新視角對(duì)我國(guó)上市公司財(cái)務(wù)失敗預(yù)警問題進(jìn)行深入研究。本論文就是針對(duì)以上問題，遵循系統(tǒng)性、全面性和重點(diǎn)突出相結(jié)合的原則，順著財(cái)務(wù)失敗界定、財(cái)務(wù)失敗預(yù)警指標(biāo)體系建立、預(yù)警模型建立等這條邏輯主線進(jìn)行研究，重點(diǎn)對(duì)智能化預(yù)警模型進(jìn)行了理論和實(shí)證研究。論文的主要內(nèi)容和研究成果包括：
　　

3、1、對(duì)財(cái)務(wù)失敗預(yù)警指標(biāo)體系和財(cái)務(wù)失敗界定等基礎(chǔ)問題研究。首先，對(duì)財(cái)務(wù)失敗的原因、過程和征兆等本質(zhì)問題分析，認(rèn)為財(cái)務(wù)失敗過程具有動(dòng)態(tài)性和持續(xù)性，并且原因、征兆、階段特征難以區(qū)分，故將其統(tǒng)一納入預(yù)警指標(biāo)分析框架，建立了基于此統(tǒng)一框架下的定性和定量指標(biāo)相結(jié)合的可動(dòng)態(tài)擴(kuò)展的預(yù)警指標(biāo)體系。其次，對(duì)財(cái)務(wù)失敗和非失敗樣本進(jìn)行差異顯著性檢驗(yàn)和聚類分析，認(rèn)為上市公司在“特別處理”(ST)事件之前表現(xiàn)出明顯的財(cái)務(wù)指標(biāo)惡化的征兆，所以ST適合作為兩類樣本的切

4、分事件。
　　 2、對(duì)不同財(cái)務(wù)失敗預(yù)警模型進(jìn)行比較研究，重點(diǎn)探討了基于支持向量機(jī)的優(yōu)化模型在我國(guó)上市公司財(cái)務(wù)失敗預(yù)警中的應(yīng)用。綜合考慮樣本、失敗標(biāo)志事件、會(huì)計(jì)準(zhǔn)則調(diào)整、模型參數(shù)優(yōu)選、方法比較等多種影響因素，設(shè)計(jì)了一種集成的財(cái)務(wù)失敗預(yù)警模型應(yīng)用方案?；诮y(tǒng)計(jì)方法和智能方法的預(yù)警模型性能的比較實(shí)驗(yàn)表明：基于最優(yōu)支持向量機(jī)的財(cái)務(wù)失敗預(yù)測(cè)模型的準(zhǔn)確度明顯高于BP神經(jīng)網(wǎng)絡(luò)、邏輯回歸和多元判別分析，尤其適合我國(guó)資本市場(chǎng)的小樣本、多噪聲、高維

5、非線性的數(shù)據(jù)特點(diǎn)。但為保證支持向量機(jī)模型性能需要對(duì)模型參數(shù)尋優(yōu)，從而導(dǎo)致建模復(fù)雜且時(shí)間較長(zhǎng)。ST雖然對(duì)模型有一定影響，但仍然不失為現(xiàn)階段一種有效的上市公司財(cái)務(wù)失敗切分事件。
　　 3、通過研究不同變量選擇方法對(duì)模型的影響，改進(jìn)了預(yù)警指標(biāo)選擇的理論分析框架，為預(yù)警指標(biāo)選擇研究提供了新視角。新分析框架認(rèn)為：第一、基于模型變量實(shí)證方法的預(yù)警指標(biāo)選擇途徑不能系統(tǒng)地解決預(yù)警指標(biāo)選擇問題，預(yù)警指標(biāo)選擇不應(yīng)該受變量選擇方法的影響。第二、基于失

6、敗原因、征兆、特征的統(tǒng)一框架下的預(yù)警指標(biāo)體系，可以根據(jù)實(shí)際情況擴(kuò)充。第三、在此統(tǒng)一框架下利用定量方法選擇模型變量，變量選擇方法的評(píng)估依據(jù)包括模型準(zhǔn)確度、時(shí)間性能和關(guān)鍵變量的經(jīng)濟(jì)意義。
　　 設(shè)計(jì)了遺傳算法同步優(yōu)化變量和分類器參數(shù)的方法。結(jié)果表明該同步優(yōu)化方法在縮減變量數(shù)量的同時(shí)依然保持了較好的準(zhǔn)確度，還能客觀地發(fā)現(xiàn)關(guān)鍵變量。此外，研究指出基于統(tǒng)計(jì)方法的過濾式變量選擇途徑未必是最優(yōu)的，而同步方法是一種較優(yōu)的效率和準(zhǔn)確度折中策略，可

7、以推廣至管理領(lǐng)域中的其他用途。
　　 4、利用基于規(guī)則的知識(shí)表示途徑對(duì)財(cái)務(wù)失敗多分類進(jìn)行了研究。設(shè)計(jì)了一種基于交叉驗(yàn)證的、決策樹和支持向量機(jī)集成的新方法，用于預(yù)警知識(shí)表示。通過該方法提取規(guī)則子集、子集分析、規(guī)則沖突消解，實(shí)現(xiàn)財(cái)務(wù)失敗多分類預(yù)警。這種新途徑將財(cái)務(wù)失敗的多樣性和復(fù)雜性以定量形式表現(xiàn)出，同時(shí)有助于發(fā)現(xiàn)財(cái)務(wù)失敗的臨界類別以及財(cái)務(wù)失敗和財(cái)務(wù)健康的多種表現(xiàn)形式。實(shí)證分析發(fā)現(xiàn)：支持向量機(jī)能弱化數(shù)據(jù)噪聲，作為樣本的預(yù)處理器能提高