中国钢铁行业上市公司财务危机预警研究

发布时间：2020-08-17 13:06

【摘要】：作为我国国民经济建设的重要的支柱性行业,钢铁行业的长足稳定发展对于我国的工业化及城镇化的进程有着至关重要的作用。但是近年来,在全球经济增长持续放缓、铁矿石和能源价格高位运行的背景下,伴随着经济下行压力加大、市场需求回落,钢铁行业在之前快速发展过程中积累的矛盾和问题逐渐暴露。其中产能过剩问题尤为突出,导致企业利润率大幅度下滑,财务风险加剧。钢铁行业一旦发生财务风险,不仅危及自身的生存和发展,还会给其他关联产业带来风险。因此如何准确预测进而有效控制企业风险与财务危机,进而保障企业的健康长远发展,是目前我国钢铁行业所面临的重要课题。本文首先对国内外学者关于财务危机的内涵以及财务危机预警方面的研究做了文献综述,然后对逻辑回归模型和BP神经网络模型的相关理论进行阐述。在对财务危机内涵进行界定的基础上,结合我国钢铁行业上市公司发展的现状,从公开披露的55个指标中,最终筛选构建了包含22个财务指标和9个非财务指标的钢铁行业上市公司财务危机预警指标体系。本文采用财务危机预警研究领域应用较为广泛的逻辑回归模型以及最近几年新兴的BP神经网络模型,基于两套预警指标(现有研究常用的财务指标体系,以及本文所构建的包含非财务指标的预警指标体系)分别进行实证分析,并对四个模型的结果做出比较与评价。研究结果表明,采用两套指标体系分别构建的逻辑回归模型对发生财务危机公司的预测准确率达到16.7%和33.3%,而BP神经网络的预测准确率分别达到50%和83.3%,可见基于BP神经网络构建的财务危机预警模型准确率比逻辑回归模型有明显的提升;同时,引入非财务指标的指标体系对财务危机预警的效果比财务指标体系有明显的提升。另外本文模型的输出结果均为概率值,预警体现在当概率值的大小超过阈值时,我们就可以判定企业财务状况不容乐观,需要采取措施来控制风险;同时,本文的研究还可以作为钢铁行业及企业自身进行财务危机预警研究时的参考方法。
【学位授予单位】：浙江工商大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：F426.31;F406.7;F832.51
【图文】：

感知机,基本结构

二、ＢＰ神经网络理论概述逡逑经网络是一种利用类似于大脑神经结构进行信息处理的数学模型，４０年代被最先提出，神经网络由大量的神经元之间相互连接构成，神身也是对某种算法和函数的无限逼近。现今的神经网络最常用于分类工神经网络有着多种衍生算法，其中最重要的有感知机、反向传播、Ｈｏｐｆｉ自组织映射等，而感知机的概念是其基础。逡逑（一）感知机的概念逡逑知机１３２１邋（Ｐｅｒｃｅｐｔｒｏｎ）由Ｒｏｓｅｎｂｌａｔｔ于１９５７年提出，是神经网络和支理论基础，尽管作用十分有限，主要用于线性分类，但是感知机在人的发展史上有着非常突出的地位。逡逑知机的基本结构如图２－１所示：逡逑ｉｎｐｕｔｓ邋ｗｅｉｇｈｔｓ逡逑

函数图像,函数图像,输入值,值域

图２－３邋Ｓｉｇｍｏｉｄ函数图像逡逑由图像可知，Ｓｉｇｍｏｉｄ函数的输入值是实数，然后将输入值挤压到０￣１之间，逡逑由图像可知，当输入值趋向于负无穷时，则最终的输出值被映射为０，趋于正无逡逑

隐藏层,结点,误差反向传播,学习率

可以确定基于财务指标的ＢＰ神经网络模型结构是２２＊８＊１。逡逑第二步，对ＢＰ神经网络的误差反向传播的迭代次数进行测试，通过遍历逡逑１－５００次的迭代过程，作图４－３如下：逡逑§邋－（逦逡逑Ｏ逡逑ｉｔ邋—逦１逡逑煖３邋－邋ｊ逡逑副°逡逑ｍ逦Ｉ逡逑ｅ：邋＼逦逡逑ＣＤ逦ｊ逦｜逦｜逦Ｉ逦Ｉ逦Ｉ逡逑Ｏ逦１００逦２００逦３００逦４００逦５００逡逑训练周期逡逑图４－３误差反向传播迭代次数试验逡逑可以发现，当模型的训练周期达到３０次时，模型误判率己经基本保持不变，逡逑模型误判率此时处于收敛状态。同时考虑到过大的迭代次数会引起神经网络模型逡逑过拟合的情况，本文在误差反向传播修正的次数上设置参数为３０次。逡逑一般在整个３Ｐ网络的训练过程中，学习率确定之后将保持不变，而在梯度逡逑下降寻求最优参数过程中，学习率的选择对模型影响较大。若学习率值设置得过逡逑３８逡逑

【参考文献】