论文部分内容阅读
随着我国市场经济发展程度的提高，市场竞争愈发激烈，企业遇到了更多危机与挑战。对于为数众多的制造业上市公司而言，财务问题尤为重要，一旦财务陷入困境，不但危机自身的生存与发展，也给投资者、债权人以及众多利益相关者带来重大损失。因此，对于财务状况进行预警研究与探索，具有重要意义。国内外的大量文献已经能够证明，企业的财务指标对企业财务发展状况有一定的预示作用，但是对于财务预警指标体系的构建是不完善的。在研究财务预警的大量模型中，也存在许多不足和局限性。本文就是针对财务预警指标体系的构建和预警模型来进行研究和探索。通过分析前人的研究成果，总结出了28个对企业财务状况影响较大的预警指标。其中，包含了财务指标和公司治理等非财务指标。丰富了预警指标体系，为财务预警模型研究提供了基础。当输入变量过多，输入变量之间不是相互独立时，BP神经网络预警模型容易出现过拟合现象，从而导致模型精度过低、建模时间长等问题，因此本文选用遗传算法对已经选取的预警指标进行变量降维，并对BP神经网络预警模型进行优化。实证分析分为两步，第一步先用BP神经网络做预警分析，第二步应用遗传算法优化BP神经网络做预测。通过对比两步的计算结果，发现用遗传算法优化过的BP神经网络对财务进行预警有更明显的效果。大大提高了预测精度，缩短了建模时间，为财务预警的理论和实践研究提出了新的思路。