论文部分内容阅读
企业陷入财务危机是一个渐进的过程,这就意味着可以对财务危机进行预测。构建有效的财务危机预警系统,不仅有助于企业提早发现风险并及时采取有效措施防范和化解危机,也避免了各相关受益者遭受严重的经济损失。
本文以被特殊处理(ST)作为企业陷入财务危机的标志,选取了30家在2007年首次被ST的上市公司和90家金融板块以外的非ST公司作为建模样本,选择配比为1:3;此外,本文选取了8家ST公司和24家非ST公司作为检测样本。为了尽量避免会计利润失真对企业经营状况的影响,本文计算了所选样本的经济增加值(EVA)和市场增加值(MVA)。根据财务危机预警指标的选择原则,选取出偿债能力、营运能力、盈利能力、成长能力等四大类共13个财务指标。借助SPSS统计分析软件,首先对财务指标进行正态性检验、非参数性检验,筛选出11个能明显区分ST公司和非ST公司的财务指标；其次运用因子分析方法筛选出9个因子,利用这9个因子分别构建Fisher判别分析模型和Logistic回归模型,并利用经非参数性检验得到的11个财务指标构建BP神经网络模型,同时对传统财务指标也相应地构建这三种模型,即不引入单位资本EVA和单位股本MVA指标,结果显示引入单位资本EVA和单位股本MVA指标后模型的预测能力均有所提高；最后对三种模型进行对比分析。
从总体正确率来看,BP神经网络模型的最高,达到90.6％,Logistic回归模型的居中,达到87.5％,Fisher判别分析模型的最低,为84.4％,说明BP神经网络模型具有最佳的预测能力。从I类错误率来看,BP神经网络的最低,为25％,Logistic回归模型的居中,为37.5％,Fisher判别分析模型的最高,为50％,可见BP神经网络模型同样具有最佳的预测能力。综合来看,BP神经网络模型的预测能力最高,更适合用于财务危机预测。