（会计学专业论文）非线性组合模型在财务困境预测中的应用研究.pdf

the research on financial distress forecasting based on nonlinear combination model a dissertation submitted for the degree of master candidate：yang jinian supervisor：prof. zhao guanhua school of accountancy shandong university of finance and economics 中图分类号中图分类号： 密级：公密级：公 开开 学科分类号：学科分类号： 论 文 编 号论 文 编 号 ：kjkj 20101202010142010120201014 硕 士 学 位 论 文 非线性组合模型在财务困境预测中的 应用研究 作 者 姓 名： 杨吉年 申请学位级别：管理学硕士 指导教师姓名： 赵冠华 职 称：教 授 学 科 专 业： 会计学 研究方向： 财务决策支持系统 学 习 时 间： 自 2010 年 9 月 1 日 起至 2013 年 6 月 30 日 止 学位授予单位： 山东财经大学 学位授予日期： 2013 年 6 月 山东财经大学学位论文独创性声明山东财经大学学位论文独创性声明 本人声明所呈交的学位论文是我个人在导师指导下进行研究工作及取得的研究 成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经 发表或撰写过的研究成果， 也不包含为获得山东财经大学或其它教育机构的学位或证 书而使用过的材料。 与我一同工作的同志对本研究所做的任何贡献均已在论文中作了 明确的说明并表示了谢意。 学位论文作者签名： 日期： 年 月 日 山东财经大学学位论文使用授权声明山东财经大学学位论文使用授权声明 本人完全同意山东财经大学有权使用本学位论文 （包括但不限于其印刷版和 电子版） ，使用方式包括但不限于：保留学位论文，按规定向国家有关部门（机 构）送交学位论文，以学术交流为目的赠送和交换学位论文，允许学位论文被查 阅、借阅和复印，将学位论文的全部或部分内容编入有关数据库进行检索，采用 影印、缩印或其他复制手段保存学位论文。 保密学位论文在解密后的使用授权同上。 学位论文作者签名： 日期： 年 月 日 指导教师签名： 日期： 年 月 日 山东财经大学硕士学位论文 i 摘要 财务困境研究是公司财务研究领域的热点问题之一， 而陷入财务困境也被看作是 许多企业面临的严重威胁之一。特别是随着全球一体化进程的加快，企业间的竞争日 趋激烈，出现财务危机、陷入财务困境的概率增大。但企业陷入财务困境是一个渐进 的过程，通常多数企业都是由财务状况正常到逐步恶化，最终陷入困境以至破产的。 因而，企业的财务困境的发生是有先兆的，是可以进行预测的。所以，通过构建模型 对企业的财务困境进行及时有效的预测具有重要的理论意义和现实意义。 财务困境有很强的复杂性，它是企业内部因素和外部环境共同作用的结果。使用 单一的预警模型很难做到预测结果准确性与稳定性兼备。 不同的预测模型有各自的特 点，组合预测就是给几种不同的模型赋予相应的权重，使它们之间可以相互补充，相 对于单一的预测模型， 组合模型不但可以提高预测的精度， 还可以增加预测的稳定性。 本文以制造业上市公司为研究样本，将被特别处理作为企业陷入财务困境的标志，在 分析了他们财务困境的特征及成因的基础上，从偿债能力、盈利能力、营运能力、公 司治理结构等方面初步选取了用于预警模型的财务指标和非财务指标， 再通过非参数 检验将不显著的指标剔除，又通过因子分析方法提取公因子，将提取的公因子作为输 入变量分别输入本文建立的 logit 回归、bp 神经网络和支持向量机预警模型，得出 他们的准确率分别为 84.48%、89.66%、87.93%。最后，将这三个模型对应每个公司 的实际预测结果分别进行投票时组合预测， 和基于模糊神经网络的非线性组合预测模 型，简单的投票式组合预测有很高的预测精度，而模糊神经网络的非线性组合没有达 到预期的目的，并分析了其中的原因。 关键字：关键字：财务困境 组合预警 logit 回归 支持向量机 模糊神经网络 abstract ii abstract the research on financial distress is one of hot topics in the area of study on corporate finance, and financial distress is also considered one of serious threats that many enterprises are faced with. especially, with the quickening process of global integration, the competition between enterprises becomes more and more fierce. but the enterprise falling into the financial distress is a gradual process, and usually most enterprises financial position goes through the process from the normal to deterioration, and falls into distress and even goes bankrupt finally. so before enterprises financial distress occurs, there is threatened. and financial distress is predictable. therefore, making timely and effective financial distress prediction by constructing models has important theoretical and practical significance. financial distress is very complicated, which is due to enterprises internal factors and external environment. the accuracy and stability of adopting a single forecasting model cant be guaranteed. different forecasting models have their own characteristics. the combined forecasting model is to give several different models the corresponding weights so that they can complement each other. based on manufacturing listed companies, the assay took special treatment as a symbol of financial distress, firstly analyzed the characteristics and the causes of financial difficulties, then selected financial indicators and non-financial indicators used for early - warning model from solvency, profitability, operation ability, corporate governance structure and eliminated the index which is not significant by nonparametric test, then extracted the common factor through factor analysis method and established logic regression, bp neural network as well as support vector machine (svm) model for early warning. their prediction accuracy is 84.48%,89.66% and 87.93%. finally, the paper inputted each companys actual result into nonlinear combined forecasting model based on fuzzy neural network. in conclusion, these forecasting results of the model are relatively accurate achieving satisfying effect. keyword: financialdistresscombiningforecast; logitregression; supportvectormachine; fuzzy neural network 山东财经大学硕士学位论文 iii 目录 第 1 章 绪论 . 1 1.1 论文的研究背景及研究意义 .1 1.1.1 财务困境研究背景 . 1 1.1.2 研究意义 . 1 1.2 研究综述 .3 1.2.1 对财务困境的界定 . 3 1.2.2 财务困境预测方法综述 . 4 1.3 研究内容和研究方法. 10 1.3.1 研究内容 . 10 1.3.2 研究方法 . 11 1.3.3 创新点 . 11 1.3.4 技术路线 . 12 第 2 章 组合预测相关理论概述 . 12 2.1 组合预测理论 . 13 2.1.1 线性组合预测模型 . 14 2.1.2 非线性组合预测模型 . 14 2.2 神经网络 . 14 2.2.1 神经网络相关概念 . 14 2.2.2 bp 神经网络 . 16 2.3 支持向量机 . 17 2.3.1vc 维 . 18 2.3.2 结构风险最小化 . 18 2.4 模糊逻辑理论 . 20 2.4.1 模糊性 . 20 2.4.2 模糊逻辑系统 . 21 2.4.3 模糊逻辑系统地应用 . 22 2.5 模糊系统和神经网络的可融合性 . 24 2.5.1 模糊系统与神经网络可融合性分析. 24 目录 iv 2.5.2 模糊神经网络 . 25 小 结： . 26 第 3 章 财务困境影响因素分析及指标体系的构建 . 27 3.1 财务困境特征 . 27 3.1.1 积累性 . 27 3.1.2 多样性 . 27 3.1.3 危害性 . 27 3.1.4 相对可逆性 . 27 3.2 财务困境的影响因素分析 . 28 3.2.1 主营业务缺乏核心竞争力，盈利能力下降 . 28 3.2.2 管理层决策失误 . 28 3.2.3 资本结构不合理，过度负债. 29 3.2.4 财务管理水平较差 . 30 3.2.5 公司治理结构不完善 . 31 3.2.6 外部因素 . 31 3.3 预测指标体系的构建. 32 3.3.1 预警财务指标选取的原则 . 32 3.3.2 财务指标的选取 . 32 3.3.3 非财务指标的选取 . 37 小 结 . 38 第 4 章 财务困境预测模型的实证研究 . 39 4.1 样本的选取及预处理. 39 4.1.1 研究样本的选取及确定 . 39 4.1.2 样本数据显著性分析 . 40 4.1.3 因子分析 . 41 4.2 logit 预警模型 . 46 4.3 bp 神经网络预警模型 . 48 4.4 标准支持向量机模型. 50 4.5 模糊神经网络组合预测 . 50 4.6 投票式组合预测 . 52 山东财经大学硕士学位论文 v 4.7 各模型预测结果对比. 53 小 结 . 55 研究结论及不足 . 56 研究结论. 56 研究不足及展望 . 57 参考文献： . 58 附录 . 60 附录 a：训练样本企业名单 . 60 附录 b：检测样本企业名单 . 61 攻读硕士学位期间发表的学术成果 . 62 致谢 . 63 山东财经大学硕士学位论文 1 第 1 章 绪论 1.1 论文的研究背景及研究意义 1.1.1 财务困境研究背景 随着我国市场经济体制的不断改革和发展，企业面临的竞争不断加剧。激烈的市 场竞争给企业带来的风险日益增加，稍不注意就有可能使企业陷入财务困境之中。 企 业的财务困境的形成并不是一个突发事件， 它的发生往往都会伴随着一些征兆， 因此， 建立一个高效的财务危机预警机制，及早的发现危机的征兆，帮助管理者和投资者及 时规避风险不仅成为学术界的一个热点，而且对我国资本市场的发展有着积极的作 用。 我国证券市场存在时间的时间短发展尚不成熟，上市公司退市机制不完善，使得 公司管理者与投资者不关心公司实际的经营业绩与财务状况，只注重于各自短期利 益， 这样导致企业出现破产及陷入其他财务困境现象的现象也越来越严重，严重地破 坏了证券市场的秩序，更损害了广大投资者的利益。再加上证券市场制度难以有效的 保障广大投资者的利益，因而对上市公司破产预测或财务困境预测的需求，越来越多 的专家学者开始探索使用统计方法建立上市公司财务困境的预测模型。 在以往的预测模型的研究中，大都集中在单个模型或单个技术之上，有的单个模 型已经达到了很高的预测精度， 要想再次提高预测的准确率， 势必要从其他方面入手。 而组合预测方法正是提高预测准确度的有效方法。 1998 年 4 月 27 日， “辽物资”成为第一家被特别处理的上市公司，从此以后， st 家族的数量不断上升， 1998 年 27 家， 2000 年 52 家， 2012 年 120 多家被标以 “st” 或“*st”字样。而这些企业之中，近半数为制造类企业。制造业是我国的支柱产业， 因此，保证我国制造业的健康稳定，及时对陷入财务危机的企业进行预警，防止其破 产对保持我国国民经济的健康发展， 提高社会的稳定水平具有十分重要的理论意义和 现实意义。 1.1.2 研究意义 1.理论意义 第 1 章 绪论 2 企业财务困境预测问题一直是国内外众多学者研究的重要课题之一。 学术界对财 务困境预测的研究已取得一定成果，可以采用多种模型对企业财务状况进行预测。 目 前，已有的方法和模型，如多元判别分析法、logistic 回归分析法、bp 神经网络法、 支持向量机及各种单一模型，每个模型都有自己的优缺点，但很少有学者利用组合预 测的思想。通过本文的实践研究，可以更加丰富预警模型理论的研究。 同时，财务困境预测模型的构建在风险管理领域也起着重要作用，有助于丰富危 机管理理论。财务危机是企业必然要面临的，此次由美国次贷危机引发的全球性的金 融危机，给企业敲响了提高危机管理意识、强化危机管理的警钟。倘若企业重视财务 危机管理，及时分析企业的财务状况和经营风险，就会在一定程度上减轻金融危机的 影响。 2.现实意义 公司的管理者通过财务困境预测模型的预测结果， 可以及早发现企业可能存在的 问题，找出影响企业财务状况的关键指标，观察企业是否处于财务安全期内，是否有 破产的威胁，以更好的根据公司的财务状况采取必要的投资策略，改变经营方针，以 此改善公司的财务状况，避免公司陷入财务危机，防患于未然。 投资者进行投资的目的是为了获取高额投资收益， 只有把资金投向发展潜力好的 企业， 这一目的才能实现。 企业一旦陷入财务困境， 投资者的投资成本可能无法收回。 而且我国证券市场又是弱式有效市场，投资者不能有效利用公开的信息获取额外收 益。因而，对于投资者来说，财务预警模型的分析结果，可以有效地辨别企业经营业 绩的好坏，及时调整投资战略，降低投资风险，防止潜在损失，提高投资收益。 对于金融机构等债权人而言，将大量资金贷给上市公司，最关心的便是其贷款的 可收回性。因此，他们希望了解上市公司的财务状况，以保证其贷款的安全。而财务 困境预测模型的预测结果可以帮助银行等金融机构识别企业的财务状况， 监控企业的 信用风险，避免不良贷款的发生，降低贷款风险。 通过上市公司财务困境预测研究， 证券监管部门可以及早的发现那些很可能将来 陷入财务困境的上市公司，并采取相应的积极措施加强对这些公司的事前监管，给广 大股民和企业创造一个良好有序的大环境，保证证券市场健康发展。 此外财务困境预测也有利于政府进行宏观上的管理。 国家经济管理部门需要掌握 山东财经大学硕士学位论文 3 企业经济效益等各个方面的情况才能制定宏观经济政策，调控经济运行。财务困境预 测有助于政府部门及时了解企业陷入财务困境的信息，减少破产成本，改善资源的宏 观配置计划，实现资源的优化配置，提高决策的科学化。 1.2 研究综述 1.2.1 对财务困境的界定 财务困境(financial distress)也可以称财务危机或财务失败，什么是财务困 境， 企业陷入财务困境的标志是什么事我们首先应该解决的问题。企业陷入财务困境 并不是一个突发事件，通常多数企业都要经历一个有良好到恶化的过程，最终陷入困 境以至破产的。在是否陷入财务困境之间没有明确划分的界限，因此国内外学者还尚 未就此形成一个权威的定义和判断的标准。 beaver (1966) 选取了 79 家财务困境的公司作为研究样本，只要发生以下任何 一种情况，就可认定企业已经失败，即陷入财务困境：(1)破产（59 家） ；(2)银行账 户透支（3 家） ；(3)不能偿付债券和优先股股息（16 家） 1。可见，beaver 是将企业 失败等同于财务困境。 altman（1968）将法定破产视为企业陷入财务困境的标志。按照他的说法破产企 业须经历三个阶段：经营失败、无力偿还债务和破产。其中经营失败阶段是企业出现 财务困境的开始，无力偿还债务则表明企业已进入财务困境状态2。 ross(1999)将企业财务困境定义为以下四方面：(1)企业失败，即企业在清算之 后仍然不能偿还债权人的债务；(2)法律上的破产，即企业或者是债权人向法院申请 破产；(3)技术层面的破产，即企业到期无力偿还本息；(4)会计意义上的破产，即企 业资产不足以抵偿债务，账面净资产为负。 综上，国外学者对于财务困境定义的界定主要有以下几点：资不抵债；无力偿还 到期债务；破产等。而鉴于法定破产的客观性和研究样本的易识别性，国外多数学者 都是以法律意义上的破产作为企业陷入财务困境的标准来进行研究的。 但是破产仅仅 是企业不能持续经营的一种体现，是财务困境的一种极端形式，企业陷入困境是破产 的必要而非充分条件，两者之间不存在一一对应关系，这一点在我国尤为明显。 财务困境的轻重程度是随着过程的演变不断变化的，在开始较轻的情况下，企业 可以通过自身的调整来摆脱财务困境， 破产是企业无法通过自身调整的最为终极的结 第 1 章 绪论 4 果。国内学者中，刘淑莲和谷琪（1999）将财务困境定义为“企业无力支付到的费用 或债务等而出现资的不抵债的一种财务现象， 包括从资金管理技术性失败到破产以及 处于两者之间的各种情况，由于资金管理方面的不足而引发的暂时无法支付的情况， 一般可以采取一定的措施加以补救，如通过进一步协商可获得债权人让步，来延长债 务期限，或通过债务重组等、资产抵押等方式债还旧债” 。然而，国内大部分学者 在做财务困境实证研究中都把 st 的企业作为财务困境的企业。杨淑娥、吕长江4、 陈晓5、吴世农6等，将被特别处理的上市公司视为财务困境。在本文的研究中，也 将上市公司被特别处理作为衡量一个企业陷入财务困境的一个标志。主要原因有： 1 从目前情况来看，用破产清算来作为中国上市公司陷入财务困境的标志是不太合适 的。 即便上市公司由于经营原因面临破产的窘境，已他们也会通过各种手段粉饰业绩 来避免退市，也有可能出现其他公司来买“壳” ，也就是所谓的借壳上市，不太会出 现上市公司申请破产的现象。 2st 有自己严格的标准，也是客观发生的事实，将 st 作为上市公司陷入财务困境的标志，使研究的样本的确定和可度量性比较高。 3从分 析被 st 的公司来看，大部分公司都有陷入财务困境的具体表现：企业出现严重的亏 损，现金流量严重不足，无力支付优先股股利，股价下跌等等。 1.2.2 财务困境预测方法综述 自 20 世纪 30 年代开始，西方学者陆续对企业的财务困境进行研究。纵观国内外 有关财务困境预测方法的研究，可以分为定性分析法和定量分析法两种。 定性分析方法主要是根据财务报告以外的信息，通过对企业所处的环境、某些外 在特征等方面的分析，来预测企业发生财务困境的可能性。常用的方法主要有：管理 记分法、专家评分法、标准化调查法等。定性分析需要的数据少，侧重从企业“质” 的角度分析问题，利于企业从更深层次查找陷入财务困境的原因。但是，该方法主观 性较强，不同的评估人员对同一问题可能得出不同的结论。而定量分析通过建立数学 模型、 运用各种统计方法等对反映企业财务状况的数据进行量化，不会出现定性分析 中同一问题多个结果的情况。因此，本文采用定量分析方法研究上市公司财务困境预 测问题。 定量分析的研究方法有许多种， 目前大多数文献中的财务困境预测模型主要是有 谷祺、刘淑莲.财务危机企业投资行为分析与对策.会计研究，1999，第 10 期，第 28-31 页 山东财经大学硕士学位论文 5 统计数理模型和人工智能预测模型两大类，传统的统计数理模型有单变量模型、多元 判别分析和 logistic 模型等；人工智能预测方法有神经网络和支持向量机等。 1.2.2.1 传统统计数理模型 (1)单变量分析模型 在二十世纪六十年代前这种方法应用的比较普遍， fitzpatrick(1932) 选取了 19 家样本公司，并分作破产和非破产公司两组，比较两组样本公司在同一时期的财 务比率，进而判断公司是否陷入困境。结果发现“股东权益与负债比”和“净利润与 股东权益比”两个比率判别效果显著，而且在陷入财务困境的前三年这两个比率就显 示出明显的差异 7。 beaver （1966） 在美国 会计研究 上发表了一篇研究财务比率有用性的文章 财 务比率与财务失败 ，通过实证研究来检验财务比率的预测功能。他通过比较研究 19541964 年 79个失败企业和相同数量、 相近资产规模的成功企业的财务指标差异， 发现债务保障率(现金流量/债务总额)、资产收益率(净收益/资产总额)、资产负债率 (负债总额/资产总额)和资产安全率这些指标能够很好的判定企业的财务状况。而且 离财务失败日越近，这些指标判断力越好。在公司失败前一年，比弗模型的总误差率 是 10%，失败公司的误差率是 22%，成功公司的误差率是 5%。尽管 beaver 的预测分 析模型具有较高的预测能力，但毕竟是单变量分析，不同的财务比率在不同情况下的 预测能力和效果可能不大相同。于是后人开始在此基础上更进一步，采用多比率分析 法来预测公司的财务状况。 (2)多元判别分析 由于单变量分析模型有许多方面的局限性，20 世纪 60 年代后期到 70 年代许多 学者开始采用多个财务指标综合分析，altman(1968)首次将这种方法运用到财务困境 预测领域。他以 19451965 年间提出破产申请的 33 家公司，又根据配对原则选取了 另外 33 家正常企业，从 22 个备选财务指标中选取了营运资产/资产总额（x1） 、息税 前利润/资产总额（x2） 、留存收益/资产总额（x3） 、权益市价/总负债（x4）和本期 销售收入/总资产（x5）5 个判别能力最强的比率构造了著名的 z-score 模型： z=0.012x1+0.014 x2+0.033 x3+0.006 x4+0.999 x5 (1.1) 它通过产生一个总的判别分，成为 z 值，并根据 z 值来判断企业是否破产。在 第 1 章 绪论 6 破产前 1 年预测精确度达到 95%，前 2 年精确度达到 72%，但而财务失败前 3 年以 上的准确率都在 50%以下，预测功能显著下降8。 haldeman if y1=1 and y2=-1 and y3=1 then z=1; if y1=1 and y2=-1 and y3=-1 then z=-1; if y1=-1 and y2=-1 and y3=1 then z=1; if y1=-1 and y2=1 and y3=1 then z=1; if y1=-1 and y2=-1 and y3=-1 then z=-1; 从错判的结果上来看，大都集中在第四条规则，即 if y1=-1 and y2=-1 and y3=1 then z=1;从这个结果上来看，模糊神经网络的训练的时候得出了一条似乎不 合理的规则。 究其原因， 这不是模型的错误， 在训练样本里， 的确有 y1=-1 ， y2=-1 ， y3=1 而实际结果是 1 的情况。而本文的训练样本只有 84 个，系统没有充分的推理 来源，也许是造成最终结果不理想的原因。 小 结 本章以选取 142 家制造业企业作为研究样本，把他们分为训练样本和检测样本。 将收集的数据经过显著性检验、因子分析后得到的因子结果带入到建立 logit 回归， bp 神经网络和支持向量机三种模型中，使每个模型都有个输出，比较他们的准确率。 之后将这三个模型的输出结果作为输出变量， 分别组件线性组合预测模型和基于模糊 神经网络的非线性组合预测模型，得出组合的结果。针对非线性组合预测没有达到预 期效果的原因进行了分析。 研究结论及不足 56 研究结论及不足 研究结论 本文在对国内外相关学者对财务困境（财务危机）预警研究的文献进行综述的基 础上，以制造业上市公司为研究样本，选取了 2009-2011 年间被特备处理的 71 家制 造业企业，并按相应原则选取财务正常公司与它们一一配对，又把其中 42 对组成训 练样本，剩余的 29 对组成预测样本。利用 st 前 2 年的财务数据和非财务数据，首先 构建了 logit 回归，bp 神经网络，支持向量机三个单一模型，最后将三个模型的输 出结果代入构建的基于模糊神经网络的非线性组合预测模型之中， 得出的主要结论如 下： (1)全面适当的选取财务预警指标对提高最后的预测准确率有一定的帮助作用， 本文除了从偿债能力，盈利能力，营运能力，现金流量能力等方面选取指标外，试图 从公司治理的角度选取了几个相应指标加入预警体系，但从显著性分析的结果上来 看，国有股比例，第一大股东持股比例等指标并不显著，而国外的研究结果表明，公 司治理结构对财务绩效和财务困境的形成都有很大的关系，这也从侧面表明，公司治 理结构在我国制造业上市公司中并不完善。 (2)logit 回归、bp 神经网络和支持向量机三个单一模型预测准确率分别为： 84.48%,89.66%,87.93%。从结果上来看，传统的回归方法预测精度要低一些，同属于 人工智能方法的 bp 神经网络和支持向量机的预测精度明显要好一些，这也符合国内 外学者的研究结论。 本文选取两个人工智能方法和一个准确率相对较高的传统方法构 建单一模型，为组合预测奠定了良好的基础。 (3)模糊逻辑系统和人工神经网络能有效的结合在一起。模糊逻辑系统的最大缺 点是运算能力较差， 而这正是人工神经网络的特点。 神经网络技术有较强的 “黑箱性” ， 难以解释驱动因素，而模糊逻辑系统的最大特点就是允许用户描述有简单 if-then 关系的期望系统行为，二者的结合可以说是互相补充，取长补短。 (4)在最终的预测结果中，简单的投票式组合预测能够提高整体预测的准确度。 而基于模糊神经网络的非线性组合预测没有达到预期的效果。 我也简单分析了其中的 原因， 一是训练样本有可能相对较少，还有可能是选取的三个模型无论是原理还是预 山东财经大学硕士学位论文 57 测准确度都很相近，不符合差异性原则。 研究不足及展望 限于本人知识结构和能力，本文还存在一些不足之处，有待今后进一步研究： 首先，由于上市公司资料的易获得性，本文所选取的样本公司均为沪深两市 a 股制造业上市公司。但是一些非上市公司特别是中小型企业在推动国民经济发展、 促 进社会稳定等方面发挥的作用越来越重要， 对于这些企业的财务困境进行研究也是很 有意义的。但是自深交所 2004 年设立中小企业板以来，被特别处理的上市中小企业 是少之又少，因此，采用以往界定困境公司的标准来界定研究中小企业财务困