基于bp神經網絡的科技型創(chuàng)業(yè)企業(yè)信用評價研究_劉杰

1、作者簡介：劉杰（1991），男河南焦作人，中原工學院經濟管理學院學術型研究生在讀，研究方向：財務管理郭庭偉（1987），男河南新鄉(xiāng)人，中原工學院經濟管理學院會計學學術型研究生在讀，研究方向:財務管理?；贐P神經網絡的科技型創(chuàng)業(yè)企業(yè)信用評價研究劉杰郭庭偉（中原工學院經濟管理學院，河南鄭州451191）摘要：由于在市場經濟中時常出現(xiàn)信息不對稱現(xiàn)象，致使融資難題難以解決。首先結合科技型創(chuàng)業(yè)企業(yè)的特征構建了適合科技型創(chuàng)業(yè)企業(yè)信用評價的指標體系

2、，然后以選取的100家在創(chuàng)業(yè)板和新三板上市的科技型創(chuàng)業(yè)企業(yè)的財務數(shù)據(jù)為樣本，運用因子分析法提取出影響企業(yè)信用狀況的公因子，將其作為評價模型的變量指標，最后，建立了適合科技型創(chuàng)業(yè)企業(yè)信用評價的BP神經網絡模型。實證結果表明，BP神經網絡模型處理企業(yè)信用評價問題具有較高的準確性。關鍵詞：科技型創(chuàng)業(yè)企業(yè)；信用評價；BP神經網絡中圖分類號：F27文獻標識碼：A文章編號：16723198（2015）230062031引言目前，科技型創(chuàng)業(yè)企業(yè)

3、已成為推動國民經濟持續(xù)健康發(fā)展的重要動力之一，然而在其發(fā)展和壯大過程中也最容易出現(xiàn)制約其發(fā)展的問題。由于科技型創(chuàng)業(yè)企業(yè)需要大量的資金投入，融資問題已成為影響其是否取得成功的關鍵因素。在國內企業(yè)取得融資的有限渠道中，銀行和金融市場起著至關重要的作用，但往往由于市場信息的不對稱以及企業(yè)信息不透明等因素的限制，出于規(guī)避高昂的監(jiān)督成本和收益的高度不確定性等風險，銀行和金融機構在放貸額度中給予科技型創(chuàng)業(yè)企業(yè)的融資額度相對有限。由于科技型創(chuàng)業(yè)企業(yè)的

4、研發(fā)周期長，在缺乏有效的外部融資的狀況下，即使項目有大好投資前景，企業(yè)也有較大的失敗風險，最終無法發(fā)揮出科技型創(chuàng)業(yè)企業(yè)對企業(yè)技術創(chuàng)新的促進作用。因此，對國內科技型創(chuàng)業(yè)企業(yè)進行信用評價，建立適合其特征的信用評價模型，來提高其信用水平、財務信息透明度、拓寬其融資渠道十分必要。目前國內針對企業(yè)信用評價的研究有了一定的發(fā)展，但統(tǒng)一的主要針對科技型創(chuàng)業(yè)企業(yè)信用評價的指標體系和評價模型尚未形成。傳統(tǒng)的企業(yè)信用評價模型主要有專家打分法、信用評級方法和

5、信用評分方法等，現(xiàn)代的信用評價模型主要有：KMV模型、財務比率分析模型、Logit回歸模型、神經網絡模型、模糊綜合評價法和AHP（AnalyticalHierarchyProcess）法。由于企業(yè)的信用風險與反映企業(yè)信用風險狀況的各項指標變量之間通常具有非線性的關系，而上述企業(yè)信用評價方法都不能有效解決變量之間的非線性關系，也不能有效解決指標變量存在的非正態(tài)分布問題。由于神經網絡模型在解決變量間的非線性關系問題中具有優(yōu)越性，在Odom（

6、1990年）運用神經網絡模型解決企業(yè)信用評價問題之后，神經網絡模型逐漸獲得了相關實踐者和學者的極大關注。Tam（1991）、Kiang（1992）、Datta（1991）和Shekhar（1992）將神經網絡模型用于銀行破產預測，Altman（1994）將其用于對意大利企業(yè)經營成敗狀況進行預測，取得了比多元判別分析模型預測結果更加準確的結果。根據(jù)小微型科技企業(yè)信用狀況的特點，何躍、蔣國銀（2005）運用人工神經網絡原理構建了三層BP神經

7、網絡信用評價模型，該模型的優(yōu)點是具有較強的自學習和非線性處理能力，針對小微型科技企業(yè)信用狀況的預測具有較高的預測結果。國內許多學者（鮑盛祥、殷永飛，2009；龐素琳，2012）認為，在變量之間是非線性關系的情況下，人工神經網絡模型的精度優(yōu)于傳統(tǒng)的統(tǒng)計方法。2BP神經網絡概述BP神經網絡具有準確性高、誤差小、收斂速度快的顯著優(yōu)勢，相比其他企業(yè)信用評價網絡出版時間：2016011110:06:00網絡出版地址：kcmsdetail42.16

8、87.T.20160111.1006.052.html營運能力存貨周轉率存貨周轉率（次數(shù)）=銷售收入存貨應收賬款周轉率應收賬款周轉率（次數(shù)）=銷售收入應收賬款總資產周轉率總資產周轉率（次數(shù)）=銷售收入總資產成長能力營業(yè)收入增長率營業(yè)收入增長率=銷售增加額上年銷售收入100%總資產增長率總資產增長額=本年度資產增長額年初資產總額100%股東權益增長率股東權益增長率=股東權益增加額期初股東權益科技型創(chuàng)業(yè)企業(yè)信用水平的高低與其財務和經營狀況緊

9、密聯(lián)系，因此可通過企業(yè)的財務數(shù)據(jù)來衡量其信用的高低。反映科技型創(chuàng)業(yè)企業(yè)經營和財務狀況的財務指標具體包括償債能力、盈利能力、營運能力和成長能力等方面。本文在借鑒現(xiàn)有企業(yè)信用評價研究成果并結合科技型創(chuàng)業(yè)企業(yè)的特征，選擇出16項可以有效反映科技型創(chuàng)業(yè)企業(yè)特點的財務指標。為解決某些財務指標變量間高度的相關性問題本文通過SPSS19.0軟件，使用因子分析法對這些指標變量進行分析和整理，在刪除那些與科技型創(chuàng)業(yè)企業(yè)信用狀況不相關或與其他指標高度相關的

10、指標后，本文最終確定了包含12項指標變量的指標體系作為下文對科技型創(chuàng)業(yè)企業(yè)的信用狀況進行評價的指標體系（如圖1所示）。但由于保留的指標變量間還可能存在多重共線性問題，為保證評價結果的準確性、可靠性，本文再次對其進行因子分析來提取公因子，以特征根大于1且累計方差貢獻率大于80%作為提取公因子的標準，通過分析本文提出了5個能夠體現(xiàn)原始變量的主要信息的公因子，它們即為下文評價模型中的輸入變量。由于選取的樣本企業(yè)的各項財務指標包含了不同的量綱和

11、數(shù)量級，本文首先將各指標變量進行標準化處理，從而使各個指標變量都具有共同的數(shù)值特性。本文運用的標準化方法如下式所示：ijjijjxxXσ?=，其中，Xj為原始數(shù)據(jù)的均值，11niijxnx==?σj為原始數(shù)據(jù)的標準差11()njijjixxnσ==??。4科技型創(chuàng)業(yè)企業(yè)信用評價實證分析4.1BP神經網絡的設計BP神經網絡可以根據(jù)實際情況來設置一個或者多個隱含層，當樣本較多時，增加一個隱含層可以顯著減小網絡規(guī)模。由于包含單個隱含層網絡可以

12、通過適當調增神經元個數(shù)來實現(xiàn)任意非線性映射，所以，包含單個隱含層的神經網絡即可解決大部分場合下問題。因此本文建立的BP神經網絡模型包含單個隱含層。（1）輸入層和輸出層神經元個數(shù)。輸入層神經元個數(shù)等于輸入變量的個數(shù)，由于本文得到了5個公因子，因此輸入層神經元數(shù)n=5。輸出層神經元的個數(shù)m取決于科技型創(chuàng)業(yè)企業(yè)信用評價結果類別。本文用輸出“1”表示中小企業(yè)信用正常，用輸出“0”表示中小企業(yè)信用較差，因此本文建立的模型的輸出層神經元的個數(shù)為1。