文档介绍：中国科技论文在线司财务危机预警嫡模型构建及应用1阮中飞,吴应宇东南大学经济管理学院,南京(210000)摘要:针对当前大部分公司危机预警模型特征选取和等级分类困难的现状,提出一种基于嫡的预警方法。该方法首先对公司财务指标进行特征选择,在选定指标的基础上利用判别嫡选取公司财务危机预警特征值,然后利用嫡聚类算法对预测结果进行分类,判断公司的财务危机状态,最后采集沪深A股上市公司的年报数据对该模型进行了实证分析,结果表明该模型有效可行。关键词:危机预警;嫡模型;特征选取1引言所谓财务危机预警,是以公司信息化为基础,对公司在经营管理活动中的潜在财务危机风险进行监测、诊断与报警的一种技术。它贯穿于公司经营活动的全过程,以公司的财务报表、经营计划及其他相关的财务资料为依据,采用比率分析、数学模型等方法,发现公司存在的风险,并向利益相关者发出警示,以便采取相应对策的管理方法。上市公司进行财务危机预警是十分必要的,而财务危机预警是通过构建的预警模型来实现的。模型的构建是多种多样的。下文将首先简要回顾国内外学者对于公司财务危机预警模型建立的研究成果,其次借助嫡构造了一致逼近目标函数的一簇可微的嫡函数,利用最优化理论进行公司危机预警嫡模型设计。最后选择沪深A股上市公司的年报数据对该模型进行了实证分析,验证模型的可行性。2文献回顾Fitz[1](1932)最早开展的单变量破产预测研究,最早提出一元判定模型,以19家公司为样本,运用单个财务比率,将样本划分为破产与非破产两组。Fitz发现,判别能力最高的是净利润/股东权益和股东权益/负债。一元判定模型虽然方法简单,使用方便,但单一指标可能被粉饰,而且无法全面反映财务状况,总体判别精度不高。Altman[2](1968)提出多元线性判定(Z—Score)模型,通过多元线性判别式产生判别分,称为Z值,依据Z值进行判断该模型弥补了一元判别分析法的某些缺陷,成为预测财务危机的经典模型。Altman[3](1977)将模型修正为ZETA模型,进一步提高预测精度,并使其使用范围扩大到非上市公司和非制造公司。Martin[4](1977)首次采用Logistic回归方法建立公司财务危机预警模型,并且Martin在Z模型、ZETA模型、Logistic模型之间进行比较研究,发现Logistic模型预测效果良好,预测能力优于前两者。该模型的最大优点是,不需要严格的假设条件,克服了线性方程受统计假设约束的局限性,具有了更广泛的适用范围,但其计算过程比较复杂,而且在计算过程中有很多的近似处理,这不可避免地会影响到预测精度。Yang[5](1999)运用神经网络(ANN)模型进行财务危机预警研究,ANN具有较好的纠错能力,从而能够更好地进行预测。然而,1教育部博士学科点专项科研基金项目(项目编号:20050286038)-1-中国科技论文在线于理论基础比较薄弱,ANN对人体大脑神经模拟的科学性、准确性还有待进一步提高,因此其适用性也大打折扣。吴世农、卢贤义[6](2001)应用Fisher线性判定分析、多元线性回归分析和逻辑回归分析三种方法,分别建立三种预测财务困境的模型。杨保安[7](2001)等引入神经网络分析方法并应用于企业财务危机判定与预测。黄鹤、李风吟[8](2003)以上市公司1999年度可公开获得的财务数据为基础,运用因子分析方法,推