基于bp神經(jīng)網(wǎng)絡(luò)的科技型創(chuàng)業(yè)企業(yè)信用評價(jià)研究_劉杰

1、作者簡介：劉杰（1991），男河南焦作人，中原工學(xué)院經(jīng)濟(jì)管理學(xué)院學(xué)術(shù)型研究生在讀，研究方向：財(cái)務(wù)管理郭庭偉（1987），男河南新鄉(xiāng)人，中原工學(xué)院經(jīng)濟(jì)管理學(xué)院會(huì)計(jì)學(xué)學(xué)術(shù)型研究生在讀，研究方向:財(cái)務(wù)管理?；贐P神經(jīng)網(wǎng)絡(luò)的科技型創(chuàng)業(yè)企業(yè)信用評價(jià)研究劉杰郭庭偉（中原工學(xué)院經(jīng)濟(jì)管理學(xué)院，河南鄭州451191）摘要：由于在市場經(jīng)濟(jì)中時(shí)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(jié)合科技型創(chuàng)業(yè)企業(yè)的特征構(gòu)建了適合科技型創(chuàng)業(yè)企業(yè)信用評價(jià)的指標(biāo)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(cái)務(wù)數(shù)據(jù)為樣本，運(yùn)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(jià)模型的變量指標(biāo)，最后，建立了適合科技型創(chuàng)業(yè)企業(yè)信用評價(jià)的BP神經(jīng)網(wǎng)絡(luò)模型。實(shí)證結(jié)果表明，BP神經(jīng)網(wǎng)絡(luò)模型處理企業(yè)信用評價(jià)問題具有較高的準(zhǔn)確性。關(guān)鍵詞：科技型創(chuàng)業(yè)企業(yè)；信用評價(jià)；BP神經(jīng)網(wǎng)絡(luò)中圖分類號：F27文獻(xiàn)標(biāo)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(dòng)國民經(jīng)濟(jì)持續(xù)健康發(fā)展的重要?jiǎng)恿χ唬欢谄浒l(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(guān)鍵因素。在國內(nèi)企業(yè)取得融資的有限渠道中，銀行和金融市場起著至關(guān)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(fēng)險(xiǎn)，銀行和金融機(jī)構(gòu)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(xiàng)目有大好投資前景，企業(yè)也有較大的失敗風(fēng)險(xiǎn)，最終無法發(fā)揮出科技型創(chuàng)業(yè)企業(yè)對企業(yè)技術(shù)創(chuàng)新的促進(jìn)作用。因此，對國內(nèi)科技型創(chuàng)業(yè)企業(yè)進(jìn)行信用評價(jià)，建立適合其特征的信用評價(jià)模型，來提高其信用水平、財(cái)務(wù)信息透明度、拓寬其融資渠道十分必要。目前國內(nèi)針對企業(yè)信用評價(jià)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(jià)的指標(biāo)體系和評價(jià)模型尚未形成。傳統(tǒng)的企業(yè)信用評價(jià)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(jià)模型主要有：KMV模型、財(cái)務(wù)比率分析模型、Logit回歸模型、神經(jīng)網(wǎng)絡(luò)模型、模糊綜合評價(jià)法和AHP（AnalyticalHierarchyProcess）法。由于企業(yè)的信用風(fēng)險(xiǎn)與反映企業(yè)信用風(fēng)險(xiǎn)狀況的各項(xiàng)指標(biāo)變量之間通常具有非線性的關(guān)系，而上述企業(yè)信用評價(jià)方法都不能有效解決變量之間的非線性關(guān)系，也不能有效解決指標(biāo)變量存在的非正態(tài)分布問題。由于神經(jīng)網(wǎng)絡(luò)模型在解決變量間的非線性關(guān)系問題中具有優(yōu)越性，在Odom（

6、1990年）運(yùn)用神經(jīng)網(wǎng)絡(luò)模型解決企業(yè)信用評價(jià)問題之后，神經(jīng)網(wǎng)絡(luò)模型逐漸獲得了相關(guān)實(shí)踐者和學(xué)者的極大關(guān)注。Tam（1991）、Kiang（1992）、Datta（1991）和Shekhar（1992）將神經(jīng)網(wǎng)絡(luò)模型用于銀行破產(chǎn)預(yù)測，Altman（1994）將其用于對意大利企業(yè)經(jīng)營成敗狀況進(jìn)行預(yù)測，取得了比多元判別分析模型預(yù)測結(jié)果更加準(zhǔn)確的結(jié)果。根據(jù)小微型科技企業(yè)信用狀況的特點(diǎn)，何躍、蔣國銀（2005）運(yùn)用人工神經(jīng)網(wǎng)絡(luò)原理構(gòu)建了三層BP神經(jīng)

7、網(wǎng)絡(luò)信用評價(jià)模型，該模型的優(yōu)點(diǎn)是具有較強(qiáng)的自學(xué)習(xí)和非線性處理能力，針對小微型科技企業(yè)信用狀況的預(yù)測具有較高的預(yù)測結(jié)果。國內(nèi)許多學(xué)者（鮑盛祥、殷永飛，2009；龐素琳，2012）認(rèn)為，在變量之間是非線性關(guān)系的情況下，人工神經(jīng)網(wǎng)絡(luò)模型的精度優(yōu)于傳統(tǒng)的統(tǒng)計(jì)方法。2BP神經(jīng)網(wǎng)絡(luò)概述BP神經(jīng)網(wǎng)絡(luò)具有準(zhǔn)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(jià)網(wǎng)絡(luò)出版時(shí)間：2016011110:06:00網(wǎng)絡(luò)出版地址：kcmsdetail42.16

8、87.T.20160111.1006.052.html營運(yùn)能力存貨周轉(zhuǎn)率存貨周轉(zhuǎn)率（次數(shù)）=銷售收入存貨應(yīng)收賬款周轉(zhuǎn)率應(yīng)收賬款周轉(zhuǎn)率（次數(shù)）=銷售收入應(yīng)收賬款總資產(chǎn)周轉(zhuǎn)率總資產(chǎn)周轉(zhuǎn)率（次數(shù)）=銷售收入總資產(chǎn)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(chǎn)增長率總資產(chǎn)增長額=本年度資產(chǎn)增長額年初資產(chǎn)總額100%股東權(quán)益增長率股東權(quán)益增長率=股東權(quán)益增加額期初股東權(quán)益科技型創(chuàng)業(yè)企業(yè)信用水平的高低與其財(cái)務(wù)和經(jīng)營狀況緊

9、密聯(lián)系，因此可通過企業(yè)的財(cái)務(wù)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(jīng)營和財(cái)務(wù)狀況的財(cái)務(wù)指標(biāo)具體包括償債能力、盈利能力、營運(yùn)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(jià)研究成果并結(jié)合科技型創(chuàng)業(yè)企業(yè)的特征，選擇出16項(xiàng)可以有效反映科技型創(chuàng)業(yè)企業(yè)特點(diǎn)的財(cái)務(wù)指標(biāo)。為解決某些財(cái)務(wù)指標(biāo)變量間高度的相關(guān)性問題本文通過SPSS19.0軟件，使用因子分析法對這些指標(biāo)變量進(jìn)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(guān)或與其他指標(biāo)高度相關(guān)的

10、指標(biāo)后，本文最終確定了包含12項(xiàng)指標(biāo)變量的指標(biāo)體系作為下文對科技型創(chuàng)業(yè)企業(yè)的信用狀況進(jìn)行評價(jià)的指標(biāo)體系（如圖1所示）。但由于保留的指標(biāo)變量間還可能存在多重共線性問題，為保證評價(jià)結(jié)果的準(zhǔn)確性、可靠性，本文再次對其進(jìn)行因子分析來提取公因子，以特征根大于1且累計(jì)方差貢獻(xiàn)率大于80%作為提取公因子的標(biāo)準(zhǔn)，通過分析本文提出了5個(gè)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(jià)模型中的輸入變量。由于選取的樣本企業(yè)的各項(xiàng)財(cái)務(wù)指標(biāo)包含了不同的量綱和

11、數(shù)量級，本文首先將各指標(biāo)變量進(jìn)行標(biāo)準(zhǔn)化處理，從而使各個(gè)指標(biāo)變量都具有共同的數(shù)值特性。本文運(yùn)用的標(biāo)準(zhǔn)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(biāo)準(zhǔn)差11()njijjixxnσ==??。4科技型創(chuàng)業(yè)企業(yè)信用評價(jià)實(shí)證分析4.1BP神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)BP神經(jīng)網(wǎng)絡(luò)可以根據(jù)實(shí)際情況來設(shè)置一個(gè)或者多個(gè)隱含層，當(dāng)樣本較多時(shí)，增加一個(gè)隱含層可以顯著減小網(wǎng)絡(luò)規(guī)模。由于包含單個(gè)隱含層網(wǎng)絡(luò)可以

12、通過適當(dāng)調(diào)增神經(jīng)元個(gè)數(shù)來實(shí)現(xiàn)任意非線性映射，所以，包含單個(gè)隱含層的神經(jīng)網(wǎng)絡(luò)即可解決大部分場合下問題。因此本文建立的BP神經(jīng)網(wǎng)絡(luò)模型包含單個(gè)隱含層。（1）輸入層和輸出層神經(jīng)元個(gè)數(shù)。輸入層神經(jīng)元個(gè)數(shù)等于輸入變量的個(gè)數(shù)，由于本文得到了5個(gè)公因子，因此輸入層神經(jīng)元數(shù)n=5。輸出層神經(jīng)元的個(gè)數(shù)m取決于科技型創(chuàng)業(yè)企業(yè)信用評價(jià)結(jié)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(jīng)元的個(gè)數(shù)為1。