網路環境中企業財務危機預警研究

中文摘要

企業財務危機直接影響到企業管理層、投資者、債權者、證券監管者和政府等相關者的利益，企業財務危機預警研究一直是國內外學術界的重要研究課題。其中，財務危機預警模型是財務危機預警研究中定量研究的基礎和關鍵，其研究內容主要包括三部分：樣本數據的獲取、特徵集(預警指標集合)的最佳化和構建模型的方法。然而，迄今為止很少有文獻對網路環境中的企業財務危機預警進行研究。網路環境給企業財務危機預警帶來哪些影響?網路環境中有哪些新因素會導致企業陷入財務危機?適用於網路環境的企業財務危機預警指標體系應該如何構建?如何有效利用網路信息技術從網路資源獲取有關信息進行預警模型的實證研究?針對網路環境數據的動態性，選擇哪種數據挖掘技術建立預警模型?以上問題都有待進一步研究。本文採用規範研究與實證研究相結合、定量分析和比較分析相結合的研究方法，對上述問題展開了研究，並構建了一個適用於網路環境的企業財務危機預警模型，使財務危機預警的研究又向前推進了一步。圍繞上述問題，本文對網路環境中企業財務危機預警進行研究。根據國內外學者的研究成果，結合我國的實際情況和實證研究數據獲取的需要，決定在實證研究中將上市企業作為樣本企業，從而給出本文採用的財務危機定義：上市企業被特別處理(ST)，於是可以將樣本企業分為正常企業(非ST企業)和危機企業(ST企業)兩類，在這樣的前提下，企業財務危機預警的實質也就是對企業未來經營發展狀況的一個兩類判別問題。本文的研究主要從以下幾方面展開： (1)探討網路環境對企業財務危機預警的影響。詳細分析網路環境的定義和特點，然後從預警指標、樣本數據和預警方法等方面分析網路環境對企業財務危機預警的影響。研究表明：以網路為主的現代信息技術對企業財務危機預警具有重要影響，充分考慮網路環境中企業財務危機新成因，構建完善的預警指標體系，藉助網路信息技術從網路資源獲取有關數據，利用數據挖掘技術建立財務危機預警模型，進行財務危機預警，預防與減少財務危機的發生。 (2)系統分析網路環境中企業財務危機成因。從內部和外部兩方面概括性地分析財務危機一般成因。是從企業的生產、經營、銷售和管理活動中分析導致企業產生財務危機的內部因素。具體包括：投資風險因素、技術風險因素、企業家或經營者道德風險因素等。從企業所處的外部環境分析導致企業產生財務危機的外部因素。具體包括：經濟周期、國家政策和管理體制、我國加入WTO帶來的影響、市場風險因素、擔保風險因素和信用危機因素等。在此基礎上，將網路環境中導致企業陷入財務危機的新因素補充進來。研究表明：在網路環境中，經濟全球化、更加密切協作的供應鏈、企業的電子化程度、網路安全風險和知識創新能力等因素對企業陷入財務危機具有重要影響。通過分析網路環境中導致企業產生財務危機的新因素，為構建適用於網路環境的企業財務危機預警指標體系奠定基礎。 (3)探討網路環境中企業財務危機預警指標體系的構建。分析預警指標體系的構建原則，基於此原則，結合前面對網路環境中企業財務危機成因的分析，構建基於網路環境的企業財務危機預警指標體系。研究表明：技術上完全可能構建一個基於網路環境的企業財務危機預警指標體系。預警指標分為兩大類：財務指標和非財務指標。財務指標是從財務報表中獲取的指標；非財務指標是財務報表之外獲取的指標，包括反映經濟環境、行業信息、企業個體特徵和網路環境適應能力的指標。網路環境適應能力指標反映網路環境中企業財務危機新成因，包括無形資產指標、供應鏈指標和經濟全球化指標。整個預警指標體系儘可能全面、準確地反映企業的經營發展狀況，為正確評價企業狀況奠定基礎。 (4)探討網路資源數據挖掘及其在企業財務危機預警中的套用，網路資源數據挖掘是從網路環境中收集數據、分析、整理和提煉知識。詳述網路資源數據挖掘的兩個工作過程：數據收集和知識創造。數據收集工作過程分為兩個階段：首先以手工採集方式、自動採集方式或數據查詢方式進行的“網路信息檢索”從網路資源中收集各種信息；然後通過“網路信息提取”提取信息中的關鍵信息。知識創造工作過程是採用數據挖掘技術對數據收集過程中獲取的信息進行分析、提煉，挖掘數據之間潛在的聯繫，創造出對用戶有益的知識。該過程主要採用的數據挖掘技術是：報表/在線上分析處理、模式識別和等級關聯等。然後，探討網路資源數據挖掘在企業財務危機預警中的套用。研究表明：在網路環境中，我們可以採用網路資源數據挖掘技術進行企業財務危機預警。本文設計一個網上數據採集程式，從網路資源獲取數據形成樣本數據集合，採用支持向量機技術對樣本數據集合進行數據挖掘，尋找財務危機徵兆信息與企業經營發展狀況的內在聯繫規律，獲得分類決策函式。利用分類決策函式，根據企業現在的相關數據，預測企業未來的經營發展狀況，為企業進行財務危機預警。 (5)探討網路環境中構建財務危機預警模型的方法並進行實證研究。針對網路環境的多變性，採用能夠有效處理動態數據、具有學習功能的人工智慧專家系統技術構建適用於網路環境的企業財務危機預警模型，構建一個結合粒子群最佳化算法(Particle Swarm Optimization，縮寫為PSO)和支持向量機(Support Vector Machine，縮寫為SVM)的混合模型：PSO-SVM財務危機預警模型。該模型利用PSO算法對SVM的特徵集和核函式參數同時進行最佳化，從而提高模型的預測性能。然後，採用MDA、Logit、BP神經網路、SW和PSO-SVM模型進行實證分析比較研究。研究表明：通過PSO最佳化得到接近最優的特徵子集25FS和核函式參數(C= 90.52，δ=12.93)。25FS包含了財務指標和非財務指標，其中非財務指標包含了反映網路環境適應能力的指標x₃(無形資產及其它資產比重)。這充分說明隨著知識經濟的發展，無形資產成為企業財務管理的重點，對企業的生存和發展具有重要影響。通過分析比較多個模型的預測結果得知：PSO-SVM模型具有較佳的預測性能，預測準確率達到90.30%，表明本文所構建的PSO-SVM模型是有效和可行的。本文的主要創新如下： (1)構建一個適用於網路環境的企業財務危機預警指標體系，預警指標分為兩類：財務指標和非財務指標。在非財務指標中增加反映網路環境中財務危機新成因的指標：無形資產、供應鏈和經濟全球化指標，使預警指標體系更加全面、準確地反映企業的經營發展狀況，為正確評價企業經營發展狀況奠定基礎。 (2)探討網路環境中的數據獲取方式—網路資源數據挖掘及其在企業財務危機預警中的套用。隨著網路信息技術的高速發展，網路資源成為一個很大的信息庫，包含企業的各種相關信息。本文設計一個網上數據採集程式，從發布上市企業信息的兩個權威網站(上海證券交易所和深圳證券交易所)獲取上市企業多個時間點的相關數據，實現從網路資源獲取實證研究需要的多維樣本數據集合。 (3)由於特徵集的選擇和核函式參數對SVM模型的預測性能具有重要影響，為了進一步提高SVM模型的預測性能，本文創新地提出結合PSO和SVM構建混合模型： PSO-SVM財務危機預警模型。該模型採用封裝(wrapper)方式進行特徵集的最佳化選擇，即特徵集的選擇和分類器的學習算法融為一體。採用SVM作為分類器，將SVM的特徵集和核函式參數(C和δ)作為PSO中粒子的位置，利用SVM的分類結果作為適應值，通過PSO算法對SVM的特徵集和核函式參數同時進行最佳化，去除無關或者冗餘特徵，在得到接近最優的特徵子集和核函式參數的同時，也得到接近最優的預測結果

網路環境中企業財務危機預警研究

基本介紹

相關詞條

熱門詞條