论文部分内容阅读
自2009年创业板上市以来,至今已有近十年的时间,期间受到各界关注和投资者的青睐,在中国资本市场的地位仅次于主板市场。但随着时间的推移,其成立伊始的高盈利性和高增长性的热潮也随之减弱。同时随着当前国内经济新常态下产业调整阵痛和市场风险加大,再加上创业板企业发展不稳定、规模较小、风险管理意识淡薄、规章制度不健全等特征无疑使得它们所面临的财务风险更加凸显。对于创业板企业来说应尽早建立适当的财务风险预防体系以此应对可能出现的财务困境等问题,有利于完善企业风险管理体系,帮助企业及早预防风险,对于其在瞬息万变的市场环境下健康可持续发展具有重要意义。同时对于有效引导创业板市场发展,保护投资者和债权人相关利益、促进相关金融机构开展有效监督有着重要的参考价值和借鉴作用。本文汇总国内外专家学者对企业财务风险的理论的研究成果及预警方法的选择,结合宏观市场条件以及创业板制造业企业近年来的财务状况和自身特征,首先根据创业板制造业企业2016年年报数据选取了财务健康和财务危机配对企业共43对样本数据,根据网易财经和巨灵数据库的公开资料,分别选取来自偿债能力、盈利能力、发展能力、营运能力和资本结构5个维度的25个指标,分别对发生财务风险的样本公司前三年即T-1年、T-2年和T-3年的比率和正常经营公司的比率以及行业平均值进行对比分析。选择BP神经网络法作为本文主体研究方法,通过Matlab语言对程序进行编写,对初选指标利用PCA主成分分析法进行降维处理,以被处理后的17个财务比率作为本文神经网络的输入层神经元;通过不断训练和学习,综合考虑训练误差和迭代次数后,本文认为当两个隐含层神经元节点数同为5时,此时得到的误差和准确率最佳,并以此建立了双隐含层和一个输出层的三层神经网络模型,并使用检验样本对网络模型进行仿真处理,最终经过程序运行,可以看出本文建立的BP神经网络模型的预警准确率为88%。为了验证本文建立的预警模型的科学性与准确性,另计算出多元变量F分数模型和条件概率模型的预测结果,将三种模型的预警准确率进行比较,可以看出BP神经网络的预警效果最佳,准确率最高。最后选择代表创业板市场特征的文体娱乐和互联网企业对模型进行二次检验,准确率达80%以上,结果表明BP神经网络适用于我国创业板市场的财务风险预警。