Verhulst与BP神经网络模型预警企业财务状况

董静

摘要：通过t检验和相关性检验合理选择财务指标，基于灰色理论中Verhulst模型和神经网络建立了Verhulst与BP神经网络预测模型对企业财务状况进行预警分析。实证研究结果表明，该模型能够有效反映企业财务状况的发展趋势，从而为财务风险预警提供了新的研究方法。

关键词：灰色理论；神经网络；财务预警

中图分类号：F23

文献标识码：A

文章编号：1672—3198（2014）10—0134—01

1引言

随着我国的经济技术的不断发展，对于企业的财务预警也得到了更多人的重视，为了加强对企业的财务监管，做好内部控制工作，出现了大量的财务预警模型。根据国内已有的文献资料研究表明，迄今为止，财务预警模型研究涉及的模型类型极为丰富，经历了从单变量到多变量、从统计方法到非统计方法、从单一模式到混合模式的发展过程。基于上述考虑，本文运用灰系统理论中Verhulst模型结合BP神经网络模型构建出的预测模型，对四川省矿产资源类企业的财务状况作出及时有效的预警。

2模型建立

2.1指标选取

本文对以上16个指标中选取变量指标进行t检验和相关性检验相关性检验，以0.05作为t检验标准，去掉大于005的指标，以0.7作为各变量指标间多重共线性评估的标准，去掉具有高度共线的变量指标。

综合各种分析，本文最终选取每股净资产、每股收益、每股现金含量以及流动比率作为预警模型采用指标。

2.2样本的选取

为了更好的获取数据，本文选取两类样本，一类是用于训练BP神经网络的训练样本，这类样本选取了全国20家上市公司（其中20家为st企业，20家为非st）。另一类是预测样本，选取的是四川省6家矿产资源型上市公司（3家st公司和3家非st公司）。所有训练样本中st公司选择其被特殊处理的前一年的数据，即t-1年的数据。而预测样本中st公司的数据为其被特殊处理前一年即t-1年的前四个季度的数据，若数据缺失则向前顺延。

2.3Verhulst与BP神经网络预测模型

本文构建Verhulst与BP神经网络预测模型具体步骤如下：

建立一个三层BP神经网络模型模型，其中由于指标为四个，则输入层神经元个数由财务预警指标确定为4个，输出层神经元只有1个即企业财务状况的综合评分，由于输入神经元是4个，本文选取了9个节点。对于传递函数，其中中间层本文采用S型正切函数tansig，而输出层本文则采用了S型对数函数logsig，目的是满足输出值映射到0，1之间。对于BP神经网络的训练函数，本文采用trainlm函数，设置训练次数为1000次，训练目标为0.01。为了更好，更方便的实现其预警能力，本文利用训练样本训练BP神经网络。其中网络训练样本的输入即建模样本中上市公司的4种财务预警指标数据，目标输出即当前上市公司的实际财务状况。由于本文所选的上市公司分为ST与非ST两大类别，因此将其分为两个判别组，即安全与危机。为了便于建模，需要对安全与危机概念进行量化处理，建设各训练样本的目标输出为y，则有：当y=0，输入样本为ST公司；当y=1，输入样本为非ST公司。

利用灰系统理论中Verhulst模型对四川省6家矿产资源型企业的t-1年财务指标做动态预测。

将灰色系统模型动态预测的结果作为训练完毕的BP神经网络的输入，获得企业的综合评分，完成对企业的财务预警。如果输出值越接近0，表示财务危机程度越严重，即财务状况越危机；如果输出值越接近1，表示财务危机程度越轻微，即财务状况越健康。

3实证分析

3.1训练好的BP神经网络模型

通过训练样本训练出的BP神经网络。

建立一个三层BP神经网络模型模型，让训练样本训练这个网络，得出训练好的神经网络模型。通过Matlab 7.0 得出图1所示的结果。

从图1可以看出训练到第6步时，网络的目标误差达到要求。

3.2灰系统Verhulst模型的预测结果

利用灰系统理论中Verhulst模型对四川省6家矿产资源型企业的t-1年财务指标做动态预测。表2为预测的结果。

3.3预测样本的预警结果

将灰色模型的动态预测结果作为训练好的BP神经网络模型的输入，从而建立企业财务危机的动态预警模型，模型所得预测结果如表所示。

从结果可以看出，ST公司财务状况都被判定为危机，而非ST公司的财务状况都被判定为健康，无一错判。因此本文多建立的财务危机预警模型是有效的，可以对上市公司财务状况进行动态预警。

4结束语

Verhulst与BP神经网络预测模型可以实现财务指标的趋势预测实现财务危机的动态预警。实证分析显示该方法具有良好的预警效果，能够在实践中加以利用。

参考文献

[1]张玲.财务危机预警分析判别模型及其应用[J].预测，2000，（6）.

[2]李帆，杜志涛，李玲娟.企业财务预警模型：理论回顾及其评论[J].管理评论，2011.

[3]秦小丽，田高良.基于灰色理论和神经网络的公司财务预警模型[J].统计与决策，2011，（16）.

[4]童新安，魏巍.灰色VerhulstBP网络组合模型在预测中的应用研究[J].计算机工程与应用，2011，47（23）.

[5]刘思峰，谢乃明.灰色系统理论及其应用[M].北京：科学出版社，2008：116117，155156.