企業(yè)財務困境分析與預測方法研究.pdf

1、財務困境分析與預測是財務管理和投資管理領域的一個重要研究方向,企業(yè)是否會陷入財務困境,這不僅關系到企業(yè)本身戰(zhàn)略的制訂與調整,而且還關系到投資者和債權人的利益。本文研究的目的,就是希望能夠提出一種適合我國上市公司的、無企業(yè)規(guī)模限制、無行業(yè)局限、無股權結構限制,可以廣泛應用的財務困境分析與預測方法。從而,向監(jiān)管部門和廣大投資者揭示,有哪些公司可能會陷入財務困境,使他們引起警覺,使監(jiān)管部門維護市場穩(wěn)定,為市場提供科學的決策信息。
　　

2、 自從Altman對財務困境預測進行了開創(chuàng)性研究以來,財務困境分析與預測已經得到了突破性發(fā)展。近年來,也有不少學者在此領域做了許多有益的工作。但是,目前的研究總體上還缺乏系統(tǒng)的理論指導,尤其是在提高模型預測正確率的前提下,如何減少訓練樣本的數量、縮短模型運行時間、優(yōu)化模型和核參數等方面,已有的成果還很少,有些方面的研究還處于起步和探索階段。
　　 本文將遺傳算法以及支持向量機理論應用于企業(yè)財務困境分析與預測,對支持向量機的算法改

3、進以及模型參數優(yōu)化等方面做了大膽的嘗試,對改善模型的預測正確率、減少訓練樣本數量以及縮短模型運行時間等方面,進行了深入的分析和研究,主要工作和創(chuàng)新如下:
　　 第一,本文在對國內外已有財務困境概念定義的基礎上,根據我國的實際情況,對財務困境的概念進行了界定;其次,通過對研究樣本的統(tǒng)計分析,從財務報表項目以及財務和非財務指標三個方面,詳細闡述了困境公司和正常公司在ST前不同時點上有著不同的特征。根據ST公司與正常公司的報表數據、財

4、務指標數據的顯著性差異檢驗結果以及均值變化趨勢圖,從統(tǒng)計學角度詳細分析了哪些指標數據是導致企業(yè)出現財務困境的原因,尋找“警源”;最后,對企業(yè)發(fā)生財務困境的內外部因素進行了深入的分析,并給出了企業(yè)財務困境預測過程和預測方法框架。
　　 第二,提出了企業(yè)財務困境短期和中長期分析與預測應采用不同預測指標體系的觀點。通過對ST公司和正常公司兩組研究樣本的指標數據分別進行正態(tài)分布檢驗、顯著性差異檢驗以及因子分析處理后發(fā)現,對短期分析與預測

5、有顯著影響的指標較多,而對中長期分析與預測影響顯著的指標明顯減少。由于影響中長期分析與預測的指標減少,預測模型可利用的信息也就減少,從而導致與短期預測相比,中長期預測的預測正確率明顯下降。另外,在指標的選取上,除了財務指標外,還選用了非財務指標,得出了股本結構和地域環(huán)境兩個非財務指標對短期和中長期預測均有顯著影響的結論。
　　 第三,提出了一種基于Renyi熵的最小二乘支持向量機的增長記憶算法?？紤]到傳統(tǒng)支持向量機對偶問題的求解

6、過程相當于解一個線性約束的二次規(guī)劃問題,計算矩陣的逆和存儲核函數矩陣都需要較多的內存空間,同時,二次尋優(yōu)算法也需要較多的運行時間。因此,本文獨立推導出了一種適合企業(yè)財務困境預測的離散序列情況下的最小二乘支持向量機增長記憶算法,以避開求解矩陣的逆。同時,首次將信息熵引入增長記憶算法模型。實證結果表明,最小二乘支持向量機增長記憶算法確實節(jié)省了程序運行時間,而信息熵的引入,不但減少了訓練樣本的個數,而且,還提高了模型預測的正確率。
　　

7、 第四,針對支持向量機及其改進算法中僅靠人工方法無法獲得模型參數和核參數最優(yōu)解的嚴重缺陷,本文將基于生物遺傳機理的遺傳算法參數優(yōu)化技術應用于企業(yè)財務困境分析與預測。實證研究證實,遺傳算法確實能在更大范圍內自動尋優(yōu),能顯著提高模型預測的正確率。尤其是將遺傳算法應用于基于Renyi熵的最小二乘支持向量機增長記憶算法模型,使得在只有少量訓練樣本的情況下,也能獲得較高的預測正確率。
　　 第五,用支持向量機及其改進算法作為工具,對短期

8、及中長期分析與預測中多種預測模型進行了橫向和縱向的比較。縱向比較結果表明,提前預測時間越短,預測正確率越高,而隨著預測提前期的增加,預測的正確率顯著下降;橫向比較表明,支持向量機及其改進模型的預測正確率要好于傳統(tǒng)預測模型,犯第Ⅰ類、第Ⅱ類錯誤的概率明顯低于傳統(tǒng)模型,進一步證實了支持向量機不但具有較好的擬合能力,而且,還有較好的泛化(預測)能力。實證結果還表明,使用高斯核函數后,其模型的預測效果要好于多項式核,但Renyi熵中的核函數只能