基于多层感知器的上市公司财务危机预警研究

【摘 要】 基于可持续发展理论，对财务危机进行了量化界定，以我国资本市场的200家首次因连亏两年而被*ST的上市公司为研究对象，使用财务与非财务变量，利用多层感知器构建了财务危机预警模型，测试样本的验证准确率达78%，效果较为理想，但也说明想进一步提升财务危机预警的准确率，除考虑公司内部因素的影响外，公司外部的其他因素，尤其是不可控因素也会对公司的财务状况产生影响。

【关键词】 多层感知器； 非财务变量； 财务危机； 危机预警

一、财务危机的概念及研究样本的选择

根据可持续发展理论，笔者认为财务危机实质上是指一种企业盈利能力实质性地减弱，逐渐丧失持续经营能力的渐进式积累过程。就我国现行的退市制度而言，公司从财务危机出现的那一时点起，直至公司终止上市都属于财务危机的过程。在这个过程中，财务危机有可能得到缓解，在短时间内（不超过一个会计年度）通过盈利摆脱危机，也有可能加重恶化，被处以暂停上市，甚至是最终形式――终止上市。陷入财务危机的公司，一般简称为财务危机公司。

按照这一定义和我国资本市场发展的实际，因“最近两年连续亏损（包括追溯调整）”而被*ST的上市公司符合财务危机的定义，所以，笔者选取2002―2010年间连亏两年首次被*ST的A股200家上市公司作为研究对象（不包括金融类公司、舞弊上市公司和资料不全公司），另外，采用一一配对方式确立了200家非财务危机公司，即用于模型构建的构造样本300家（危机公司150家，非危机公司150家），用于验证效果的测试样本100家（危机公司50家，非危机公司50家）。

研究期间选择危机前3年，使用的数据选择“国泰安数据库”。

二、多层感知器模型简介

多层感知器，是最早也是最常用的一种神经网络模型，它特别适用于简单的模式分类问题。当它用于两类模式分类时，相当于在高维样本空间中，用一个超平面将两类样本分开。它的权值算法一般采用误差反向传播算法（BP算法）学习。

笔者以主成分分析提取的主成分因子作为自变量，使用SPSS17.0中的多层感知器，构建动态多层感知器财务危机预警模型（简称MLP模型）。与Matlab等软件相比较，SPSS17.0软件不需要编程，使用比较简单，能够自动记录和保存运算过程中的最优解。

三、研究指标体系及其检验

借鉴相关研究中具有显著预测效果的变量，笔者初步选取了反映短期偿债能力、长期偿债能力、盈利能力、营运能力、发展能力、风险水平、股东获利能力、现金流量能力等8个方面的53个财务变量和审计因素、股权结构、董事会结构、高管持股4个方面的17个非财务变量。通过单样本的Kolmogorov-Smirnov检验和Wilcoxon符号平均秩检验，剩下26变量，见表1。

四、主成分分析

主成分分析采取的是一种降维方式，使用几个综合因子来代表原来众多的变量，这些综合因子能尽可能地反映原来变量的信息量，而且彼此之间互不相关。

经检测，样本数据变量的KMO值=0.745，可以进行因子分析。得到的各主成分因子对应的特征值与贡献率见表2。

取累计贡献率为73.132%，则主成分因子为8个。由于大多数因子还是和多个变量相关，故仍然使用正交旋转法进行转换。提取的8个主成分因子使用主要的因子载荷量分别命名为：盈利能力-资产主成分因子F1（主要由X4、X5和X8解释）；公司治理主成分因子F2（主要由X23、X24和X25解释）；营运能力-股东权益主成分因子F3（主要由X13解释）；营运-偿债能力主成分因子F4（主要由X1、X10和X11解释）；现金流量能力主成分因子F5（主要由X18和X19解释）；盈利能力-损益主成分因子F6（主要由X3和X7解释）；股东获利能力主成分因子F7（主要由X16和X17解释）；审计因素主成分因子F8（主要由X20、X21和X22解释）。提取的这8个主成分因子中，F2和F8都是由非财务变量来解释的。

根据回归算法可以计算出因子得分函数的系数，得到26个变量的因子得分函数。

五、构建MLP模型及其预测效果分析

（一）模型的构建

输入点P1是提取的8个主成分因子，输出点P3是虚拟变量y（是财务危机公司为1，否则为0），隐藏层P2由软件自动计算测定为7个，得到的MLP网络模型结构是8×7×1。

输入层到隐含层的权值矩阵Wjh（8×7）、隐含层到输出层的权值矩阵Whi（7×1）及最终的BP网络结构分别为：

模型中，只有审计因素主成分因子F8与财务危机的发生正相关。每个因子在模型中的重要性分析见表3。营运―偿债能力主成分因子F4和现金流量能力主成分因子F5在模型中的作用尤为显著，这和公司的实际是一致的，公司非常关注现金流，重视偿债能力，尤其是短期偿债能力。

（二）预测准确率分析

MLP模型对构造样本中150家财务危机公司的回代预测准确率达到80%，第Ⅰ类错误（将实际财务危机公司误测为非财务危机公司）小。

计算出50家测试样本财务危机公司的主成分因子的值，代入模型，得到的预测准确率为78%。

（三）预测效果的比较研究

使用之前的8个主成分因子，构建多元逻辑回归模型（简称MLR模型）进行对比研究。

MLR模型和MLP模型的回代预测准确性都达到了70%以上。MLR模型的回代预测效果为73.3%，比MLP模型的回代预测低6.7%。

在验证预测中，MLR模型的准确率降到66%，而MLP模型仍然取得了78%的预测准确性，说明MLP模型的预测效果优于MLR模型。

总之，无论是回代预测还是验证预测，模型MLP对财务危机公司的预测都取得了最好效果，体现出MLP在财务危机预警模型研究中的优越性。

六、研究结论

笔者使用2002―2010年间，因连亏两年而首次被*ST的200家A股公司危机前3年的财务与非财务变量进行财务危机预警，与先前研究相比，时间跨度长而且样本数量大，对公司财务危机状况的评判更加准确。

研究使用的主要方法为多层感知器，这是一种普通认为具有较好分类效果的方法，而且研究结果也验证了这一说法，它的验证准确率远远高于传统静态多元逻辑回归方法。

在模型中，反映短期偿债能力的指标（现金比率）、现金流量能力的指标（现金流量对流动负债比率、每股经营活动现金净流量）和营运能力的指标（应收账款周转率、流动资产周转率）具有显著作用。在公司实践中，为了追求现金流入流出量最大限度的平衡和最大限度的现金净流入，保持现金流量的通畅，必须加强公司现金流量管理，适时地对公司的资源进行合理组合配置，才有助于财务危机的防范。

笔者使用了财务变量和非财务变量对公司的财务状况进行分析，但是这些变量都是涉及公司内部的因素，不到90%的预测准确性也显示应该还有其他的因素会影响公司状况，建议在今后的研究中适当考虑公司外部因素对财务状况的影响度。

【参考文献】

[1] Altman E.I.，Financial Ratio.Discriminant Analysis and the Prediction of Corporate Bankruptcy[J]，Journal of Finance，1968（4）：589-609.

[2] 姜天，韩立岩.基于Logit模型的中国预亏上市公司财务困境预测[J].北京航空航天大学学报（社会科学版），2004（1）：54-58.

[3] 杨华.我国财务危机预警研究变量选取的回顾[J].财会通讯，2012（2）：65-66.