论文部分内容阅读
制造业一直以来是我国国民经济的主导产业,随着市场经济的发展,制造业企业面临的竞争越来越激烈,特别是金融危机后,制造业企业面临着出口受阻内需不足的困扰,其财务风险和破产危机的可能性急剧上升,制造业上市公司对于财务预警的需求越来越迫切。与此同时,随着资本市场的发展,市场的中的其他参与者如投资者和监管层对企业的财务状况也更加关注。通过深入分析财务预警的理论,包括财务危机理论、财务预警理论、宏观经济预警理论、契约理论等寻找财务预警的指标,从而更加科学全面的建立针对制造业的指标体系。随机森林算法是一种较为高效的降维方法,对于指标筛选具有巨大的优势;神经网络模型通过模拟生物的神经网络处理信息的过程进行预测,可以处理非量化的变量,对于从非财务视角和财务视角结合来看待企业财务预警有很好的适应性。结合了随机森林的神经网络模型,可以发挥两者的优势,实现准确、稳定的预警预测。在实证过程中发现模型T-2年的预测准确率达到76%,T-1年的预测准确率可以达到85%。相比较而言,基于随机森林的人工神经网络模型在适应性上较好的结合了随机森林和人工神经网络模型的优点,进入模型的指标更具有科学性,提高了模型的稳定性和准确率。ROC曲线下的面积占整个面积的比例>70%,是比较理想的预测效果,是可以通过检验的。根据以上研究结果,本文对未来研究制造业上市公司财务预警给出了展望:第一,企业应树立财务预警的理念;第二,指标完善——财务指标与非财务指标相结合,全面反映制造业财务状况;第三,双重预警——内部控制与财务预警相结合,发挥内外部相结合的协同作用;第四,充分考虑我国国情。