基于Kalman滤波和BP神经网络的财务危机动态预警模型研究

基于Kalman滤波和BP神经网络的财务危机动态预警模型研究

论文摘要

自2007年末,以美国次贷危机引发的全球性金融危机正横扫世界,各国均在寻求医治这一危机的良方,各种救市方案、救援措施纷纷出台。虽然财务危机预警源于公司财务的实证研究领域,但从目前研究成果和应用需求的发展来看,财务危机预警是一种复杂、综合性的动态管理过程,其理论和实践涉及到预警理论、过程控制理论、动态信息技术、数理工具以及模拟技术等多学科知识。企业的财务状况具有持续性特点和累积效应,公司出现财务危机是有一个逐渐演变的过程;并且企业财务状况暂时的偏离正常值不应被归为危机公司。而传统的静态财务危机预警模型以单期截面数据预测财务危机,忽略了历史的时间序列数据对结果的影响,以及建模方法中的固有缺陷致使其难于在公司财务管理中推广应用。因此,我们有必要对财务危机预警的机理作深入的研究,建立适用于实际情况的预警模型,就企业的财务状况进行跟踪、监控和预警,及早发现财务危机信号,预测企业可能的财务失败,避免和减少对企业的破坏程度。本文从上市公司发生财务危机是财务状况、经营质量和治理效能共同作用的结果入手,归纳出包括财务指标,经营质量指标和治理指标三个方面的综合预警指标体系。并且考察公司绩效的动态过程,侦测出公司由好向坏转变,由轻至重的两个阈值分割点,由此建立了基于Kalman滤波的财务危机动态预警模型,观测到公司财务状况由健康运营、到财务风险、财务危机、直到企业破产等一系列企业失败的过程演变的轨迹。同时,本文根据公司治理指标的静态性特点,建立了基于BP神经网络的财务危机预警模型,从而在时间序列和横截面两个维度完善了对财务危机预警问题的研究,突显出纳入了公司治理指标的预警模型的优越性,检验了“公司治理因素变量能够帮助企业预测财务危机”这样一个问题。本文采用大样本、多变量、长时间序列的数据进行实证研究,两种预警模型都显示出了良好的稳健性和预测能力。首先,上市公司财务危机动态预警理论的研究。通过分析企业发生财务危机的动态性特征,梳理出动态预警的相关理论,指出财务状况恶化是导致财务危机的直接动因,经营不善是引发财务危机的内在基础,而公司治理的弱化是发生财务危机的内生动力。由此从财务状况、经营质量和公司治理三个维度分析对上市公司发生财务危机的影响,初步选取了30个财务指标和11个公司治理指标,建立了基于上市公司这一微观层面的财务危机动态预警综合指标体系,着重解决了建立财务危机预警指标体系的理论依据和完整性的问题。其次,上市公司财务危机预警数据的分析与检验。本文从CCER数据库中选取264家危机公司和健康公司作为研究样本,包括41个综合预警指标,时间跨度为1994-2008年,合计2874个年度观测数据进行截面和时序的分析与检验。通过对样本数据的描述性统计和噪声预处理、非参数检验、相关性分析、标准正态性转换和全局主成分分析,以此克服了国内外截面分析中存在的逻辑问题,简明扼要地把握了定量数据的持续性变化和累积效果的动态规律。然后,基于Kalman滤波构建企业财务危机动态预警模型。通过对Kalman滤波在财务危机预警中的适用性进行分析,建立了随机滤波模型,以企业连续多年的观测量作为滤波器的输入,以企业的状态或估计参数作为滤波器的输出,由计算机实现实时递推算法,通过对误差与数据间的处理把时间更新和观测更新算法联系在一起,不断更正模型参数,组建出最优滤波方程。本研究应用MATLAB编写M程序,实现财务危机预警的Kalman滤波器的计算及可视化。并应用极大似然估计对模型进行参数辨识,得出最合适的参数集。同时,根据企业绩效的动态过程,把企业的财务状况分为三个阶段,提取出公司由好向坏转变,由轻至重的两个阈值分割点。把应用滤波模型所得到的预测结果与真实状态值进行比较,从预测精度、敏感性和专一性等几个角度识别模型的检验能力。实证结果表明,基于Kalman滤波的动态预警模型具有良好的远期预测能力和动态校正的功能,是优于现有判别技术的预警模型。最后,公司治理视角下的BP神经网络的财务危机预警模型的研究。时间序列和横截面作为研究财务危机预警问题的两个客观维度,可以弥补彼此的不足。由于动态预警模型所需的时间序列数据非常大,并且公司治理数据的趋势性并不明显,但考虑到作为引发财务危机的深层次原因,由此建立了基于BP神经网络的财务危机预警模型,它由两组是否纳入公司治理变量的样本所组成。通过构建的22个输入节点、3个输出节点的13层神经网络,并且对其加以训练和仿真,通过对模型的学习和仿真,得到了纳入公司治理变量的综合模型正确率达到了99.18%的理想效果,突显出纳入了公司治理变量的预警模型的优越性和模型本身在分类识别能力上的精确性能。本文对企业财务危机预警的理论和模型方法的研究,拓广了财务危机动态预警评价的理论,是一个十分重要的决策辅助工具,能够为上市公司、证券市场和相关利益人提供理论指导和技术支持,具有重要的理论和实际意义。

论文目录

  • 摘要
  • Abstract
  • 第1章 绪论
  • 1.1 研究背景及问题的提出
  • 1.1.1 研究背景
  • 1.1.2 问题的提出
  • 1.2 研究的目的和意义
  • 1.3 国内外研究现状及分析
  • 1.3.1 财务危机概念界定的研究现状
  • 1.3.2 财务危机预警模型的研究现状
  • 1.3.3 财务危机预警指标体系的研究现状
  • 1.3.4 财务危机预警实证研究的现状
  • 1.3.5 国内外研究现状评述
  • 1.4 本研究的内容、方法和技术路线
  • 1.4.1 研究内容
  • 1.4.2 主要研究方法
  • 1.4.3 技术路线
  • 第2章 财务危机动态预警的理论基础
  • 2.1 财务危机的内涵
  • 2.1.1 财务危机和财务危机预警的界定
  • 2.1.2 财务危机的特征
  • 2.1.3 财务危机的原因分析
  • 2.2 动态预警的理论基础
  • 2.2.1 预警理论
  • 2.2.2 企业生命周期理论
  • 2.2.3 质量过程控制理论
  • 2.3 引发财务危机的影响因素分析
  • 2.3.1 财务状况恶化对财务危机的影响
  • 2.3.2 经营质量降低对财务危机的影响
  • 2.3.3 公司治理结构对财务危机的影响
  • 2.4 动态预警指标体系的确定及定义
  • 2.5 本章小结
  • 第3章 财务危机预警动态数据分析与检验
  • 3.1 样本公司的选择
  • 3.1.1 样本公司选择的依据
  • 3.1.2 样本的选择
  • 3.1.3 样本公司选择结果
  • 3.2 动态系统数据的统计描述和检验
  • 3.2.1 动态系统数据的描述性统计和噪声预处理
  • 3.2.2 时间序列数据的参数检验和非参数检验
  • 3.2.3 变量间相关性分析
  • 3.2.4 动态系统数据空间维度的确定
  • 3.3 公司治理截面数据的统计描述和检验
  • 3.4 动态系统数据的标准正态化处理
  • 3.5 全局主成分分析动态系统数据
  • 3.5.1 全局主成分法
  • 3.5.2 分析结果
  • 3.6 本章小结
  • 第4章 基于Kalman 滤波构建企业财务危机预警模型
  • 4.1 动态系统的状态空间描述
  • 4.1.1 时间序列分析
  • 4.1.2 状态空间模型
  • 4.2 Kalman 滤波算法
  • 4.2.1 Kalman 滤波
  • 4.2.2 扩展Kalman 滤波
  • 4.3 Kalman滤波在财务危机预警中的适用性分析
  • 4.3.1 应用Kalman 滤波的研究现状
  • 4.3.2 Kalman 滤波在财务危机预警中的适用性
  • 4.4 财务危机预警状况空间模型的建立
  • 4.5 极大似然估计在模型参数辨识中的应用
  • 4.5.1 极大似然估计
  • 4.5.2 参数辨识
  • 4.6 本章小结
  • 第5章 动态模型有效性的分析与检验
  • 5.1 分警度的财务危机阈值的确定
  • 5.1.1 不同警度的判定标准
  • 5.1.2 不同警度划分的结果
  • 5.1.3 预警阈值的确定
  • 5.2 Kalman 滤波模型结果的动态分析
  • 5.2.1 检测样本的财务状态结果
  • 5.2.2 检测样本的财务预测结果
  • 5.2.3 模型结果的动态分析与讨论
  • 5.3 总体判别正确率分析
  • 5.3.1 预测精度的分析
  • 5.3.2 模型分类识别能力的检验
  • 5.4 本章小结
  • 第6章 公司治理视角下的BP 神经网络财务危机预警模型
  • 6.1 公司治理研究视角的完善
  • 6.1.1 公司治理指标的引入
  • 6.1.2 新近上市公司的特点
  • 6.1.3 神经网络的优势
  • 6.2 BP 神经网络的基本概念
  • 6.2.1 神经元模型
  • 6.2.2 BP 神经网络及其结构
  • 6.3 BP 神经网络的设计和创建
  • 6.3.1 BP 神经网络的设计
  • 6.3.2 BP 神经网络的创建
  • 6.4 BP 神经网络的训练和仿真结果
  • 6.4.1 BP 神经网络的训练
  • 6.4.2 BP 神经网络的仿真及结果分析
  • 6.5 两种财务危机动态预警模型的对比分析
  • 6.6 本章小结
  • 结论
  • 参考文献
  • 附录
  • 攻读博士学位期间发表的论文和取得的科研成果
  • 致谢
  • 个人简历
  • 相关论文文献

    标签:;  ;  ;  ;  

    基于Kalman滤波和BP神经网络的财务危机动态预警模型研究
    下载Doc文档

    猜你喜欢