论文摘要
企业财务危机直接影响到企业管理层、投资者、债权者、证券监管者和政府等相关者的利益,企业财务危机预警研究一直是国内外学术界的重要研究课题。其中,财务危机预警模型是财务危机预警研究中定量研究的基础和关键,其研究内容主要包括三部分:样本数据的获取、特征集（预警指标集合）的优化和构建模型的方法。然而,迄今为止很少有文献对网络环境中的企业财务危机预警进行研究。网络环境给企业财务危机预警带来哪些影响?网络环境中有哪些新因素会导致企业陷入财务危机?适用于网络环境的企业财务危机预警指标体系应该如何构建?如何有效利用网络信息技术从网络资源获取有关信息进行预警模型的实证研究?针对网络环境数据的动态性,选择哪种数据挖掘技术建立预警模型?以上问题都有待进一步研究。本文采用规范研究与实证研究相结合、定量分析和比较分析相结合的研究方法,对上述问题展开了研究,并构建了一个适用于网络环境的企业财务危机预警模型,使财务危机预警的研究又向前推进了一步。围绕上述问题,本文对网络环境中企业财务危机预警进行研究。根据国内外学者的研究成果,结合我国的实际情况和实证研究数据获取的需要,决定在实证研究中将上市企业作为样本企业,从而给出本文采用的财务危机定义:上市企业被特别处理（ST）,于是可以将样本企业分为正常企业（非ST企业）和危机企业（ST企业）两类,在这样的前提下,企业财务危机预警的实质也就是对企业未来经营发展状况的一个两类判别问题。本文的研究主要从以下几方面展开:（1）探讨网络环境对企业财务危机预警的影响。详细分析网络环境的定义和特点,然后从预警指标、样本数据和预警方法等方面分析网络环境对企业财务危机预警的影响。研究表明:以网络为主的现代信息技术对企业财务危机预警具有重要影响,充分考虑网络环境中企业财务危机新成因,构建完善的预警指标体系,借助网络信息技术从网络资源获取有关数据,利用数据挖掘技术建立财务危机预警模型,进行财务危机预警,预防与减少财务危机的发生。（2）系统分析网络环境中企业财务危机成因。从内部和外部两方面概括性地分析财务危机一般成因。是从企业的生产、经营、销售和管理活动中分析导致企业产生财务危机的内部因素。具体包括:投资风险因素、技术风险因素、企业家或经营者道德风险因素等。从企业所处的外部环境分析导致企业产生财务危机的外部因素。具体包括:经济周期、国家政策和管理体制、我国加入WTO带来的影响、市场风险因素、担保风险因素和信用危机因素等。在此基础上,将网络环境中导致企业陷入财务危机的新因素补充进来。研究表明:在网络环境中,经济全球化、更加密切协作的供应链、企业的电子化程度、网络安全风险和知识创新能力等因素对企业陷入财务危机具有重要影响。通过分析网络环境中导致企业产生财务危机的新因素,为构建适用于网络环境的企业财务危机预警指标体系奠定基础。（3）探讨网络环境中企业财务危机预警指标体系的构建。分析预警指标体系的构建原则,基于此原则,结合前面对网络环境中企业财务危机成因的分析,构建基于网络环境的企业财务危机预警指标体系。研究表明:技术上完全可能构建一个基于网络环境的企业财务危机预警指标体系。预警指标分为两大类:财务指标和非财务指标。财务指标是从财务报表中获取的指标;非财务指标是财务报表之外获取的指标,包括反映经济环境、行业信息、企业个体特征和网络环境适应能力的指标。网络环境适应能力指标反映网络环境中企业财务危机新成因,包括无形资产指标、供应链指标和经济全球化指标。整个预警指标体系尽可能全面、准确地反映企业的经营发展状况,为正确评价企业状况奠定基础。（4）探讨网络资源数据挖掘及其在企业财务危机预警中的应用,网络资源数据挖掘是从网络环境中收集数据、分析、整理和提炼知识。详述网络资源数据挖掘的两个工作过程:数据收集和知识创造。数据收集工作过程分为两个阶段:首先以手工采集方式、自动采集方式或数据查询方式进行的“网络信息检索”从网络资源中收集各种信息;然后通过“网络信息提取”提取信息中的关键信息。知识创造工作过程是采用数据挖掘技术对数据收集过程中获取的信息进行分析、提炼,挖掘数据之间潜在的联系,创造出对用户有益的知识。该过程主要采用的数据挖掘技术是:报表/联机分析处理、模式识别和等级关联等。然后,探讨网络资源数据挖掘在企业财务危机预警中的应用。研究表明:在网络环境中,我们可以采用网络资源数据挖掘技术进行企业财务危机预警。本文设计一个网上数据采集程序,从网络资源获取数据形成样本数据集合,采用支持向量机技术对样本数据集合进行数据挖掘,寻找财务危机征兆信息与企业经营发展状况的内在联系规律,获得分类决策函数。利用分类决策函数,根据企业现在的相关数据,预测企业未来的经营发展状况,为企业进行财务危机预警。（5）探讨网络环境中构建财务危机预警模型的方法并进行实证研究。针对网络环境的多变性,采用能够有效处理动态数据、具有学习功能的人工智能专家系统技术构建适用于网络环境的企业财务危机预警模型,构建一个结合粒子群优化算法（Particle Swarm Optimization,缩写为PSO）和支持向量机（Support Vector Machine,缩写为SVM）的混合模型:PSO-SVM财务危机预警模型。该模型利用PSO算法对SVM的特征集和核函数参数同时进行优化,从而提高模型的预测性能。然后,采用MDA、Logit、BP神经网络、SVM和PSO-SVM模型进行实证分析比较研究。研究表明:通过PSO优化得到接近最优的特征子集25FS和核函数参数（C=90.52,δ2=12.93）。25FS包含了财务指标和非财务指标,其中非财务指标包含了反映网络环境适应能力的指标x3（无形资产及其它资产比重）。这充分说明随着知识经济的发展,无形资产成为企业财务管理的重点,对企业的生存和发展具有重要影响。通过分析比较多个模型的预测结果得知:PSO-SVM模型具有较佳的预测性能,预测准确率达到90.30%,表明本文所构建的PSO-SVM模型是有效和可行的。本文的主要创新如下:（1）构建一个适用于网络环境的企业财务危机预警指标体系,预警指标分为两类:财务指标和非财务指标。在非财务指标中增加反映网络环境中财务危机新成因的指标:无形资产、供应链和经济全球化指标,使预警指标体系更加全面、准确地反映企业的经营发展状况,为正确评价企业经营发展状况奠定基础。（2）探讨网络环境中的数据获取方式—网络资源数据挖掘及其在企业财务危机预警中的应用。随着网络信息技术的高速发展,网络资源成为一个很大的信息库,包含企业的各种相关信息。本文设计一个网上数据采集程序,从发布上市企业信息的两个权威网站（上海证券交易所和深圳证券交易所）获取上市企业多个时间点的相关数据,实现从网络资源获取实证研究需要的多维样本数据集合。（3）由于特征集的选择和核函数参数对SVM模型的预测性能具有重要影响,为了进一步提高SVM模型的预测性能,本文创新地提出结合PSO和SVM构建混合模型:PSO-SVM财务危机预警模型。该模型采用封装（wrapper）方式进行特征集的优化选择,即特征集的选择和分类器的学习算法融为一体。采用SVM作为分类器,将SVM的特征集和核函数参数（C和δ2）作为PSO中粒子的位置,利用SVM的分类结果作为适应值,通过PSO算法对SVM的特征集和核函数参数同时进行优化,去除无关或者冗余特征,在得到接近最优的特征子集和核函数参数的同时,也得到接近最优的预测结果。