定稿基于混合粗糙集ann的上市公司財務(wù)危機預(yù)警研究

1、基于混合粗糙集與基于混合粗糙集與ANNANN的上市公司財務(wù)危機預(yù)警研究的上市公司財務(wù)危機預(yù)警研究ResearchonListedComPanyFinancialCrisisEarlywaringBasedonRouchsetsNeuralwrok周喜吳可夫(湖南商學(xué)院，會計學(xué)院，湖南長沙410205)摘要：利用混合粗糙集ANN數(shù)據(jù)挖掘技術(shù)和相關(guān)敏感財務(wù)及非財務(wù)指標構(gòu)建財務(wù)危機預(yù)警模型，對30家ST和90家非ST的A股制造業(yè)上市公司的財務(wù)

2、數(shù)據(jù)進行實證檢驗，結(jié)果表明結(jié)合粗糙集的知識約簡理論和神經(jīng)網(wǎng)絡(luò)的推理能力具有較高的財務(wù)危機預(yù)測準確率和較好的實際應(yīng)用價值。關(guān)鍵詞：粗糙集；人工神經(jīng)網(wǎng)絡(luò)；上市公司；財務(wù)危機；預(yù)警一、研究現(xiàn)狀及意義：一、研究現(xiàn)狀及意義：隨著我國證券市場的迅速擴大，以成為國民經(jīng)濟的重要組成部分。到目前為止，僅A股上市公司就超過1000家，雖然上市公司數(shù)量的不斷增長，規(guī)模不斷擴大，但大多數(shù)上市公司都存在經(jīng)營業(yè)績不佳和抗御風(fēng)險的能力較弱等問題。如何建立有效的財務(wù)危

3、機預(yù)警系統(tǒng)來預(yù)防財務(wù)危機的到來，對企業(yè)、投資者和政府都有重大意義。1、研究現(xiàn)狀國內(nèi)，上市公司財務(wù)危機預(yù)警方向的理論研究起步時間不長，而實證研究以傳統(tǒng)的統(tǒng)計學(xué)方式為主。隨著國內(nèi)研究與國外研究相比存在較大的差距，但國內(nèi)還是有學(xué)者結(jié)合中國企業(yè)的實際情況進行了可貴的探索，也得到了一些有重要一樣的研究成果。陳靜（1999）是我國第一個對上市公司財務(wù)危機進行預(yù)警研究的學(xué)者，她對西方預(yù)警模型在我國是否適用進行了實證研究。高培業(yè)，張道坤（2000）建立

4、了貝葉斯和Fisher模型、邏輯回歸Logitic判別模型和Probit判別模型，并進行了實證比較分析。楊保安（2001）構(gòu)建一個基于單隱層的BP神經(jīng)網(wǎng)絡(luò)的財務(wù)危機預(yù)警模型，經(jīng)過實證檢驗顯示其判別準確率搞達90%以上。喬卓（2002）構(gòu)建了基于LevenbergMarquardt算法的神經(jīng)網(wǎng)絡(luò)預(yù)測模型。劉洪，何光軍（2004）分別采用判別分析法，邏輯回歸Logitic和人工神經(jīng)網(wǎng)絡(luò)方法進行建模分析。楊淑娥，黃禮（2005）采用了BP神經(jīng)

5、網(wǎng)絡(luò)技術(shù)構(gòu)建財務(wù)危機預(yù)警模型。寧靜鞭（2007）分別采用K近鄰和邏輯回歸Logitic方法進行了建模與實證檢驗。唐鋒，孫凱（2008）構(gòu)建了基于BP神經(jīng)網(wǎng)絡(luò)和主成分分析法的財務(wù)危機預(yù)警模型。在國外，西方經(jīng)濟學(xué)者早在上世紀30年代就開始進行財務(wù)危機預(yù)警研究，以企業(yè)的敏感性財務(wù)指標為基礎(chǔ)，提出和構(gòu)建許多財務(wù)危機預(yù)警的方式和模型，結(jié)合各國上市公司的實際數(shù)據(jù)和特點，通過實證檢驗來預(yù)預(yù)測企業(yè)是否將會發(fā)生財務(wù)危機。Odom，Sharda（1990）

6、采用類神經(jīng)網(wǎng)絡(luò)構(gòu)建了企業(yè)破產(chǎn)預(yù)警模型。Coats，F(xiàn)ant（1993）運用神經(jīng)網(wǎng)絡(luò)技術(shù)學(xué)習(xí)審計專家的結(jié)論來預(yù)測財務(wù)失敗。Marco，Varetto（1995）將神經(jīng)網(wǎng)絡(luò)技術(shù)應(yīng)用到企業(yè)財務(wù)危機預(yù)測中。Luther（1998）構(gòu)建了遺傳算法神經(jīng)網(wǎng)絡(luò)模型和多元邏輯回歸Logitic模型，實證發(fā)現(xiàn)神經(jīng)網(wǎng)絡(luò)的預(yù)測準確率遠高于多元邏輯回歸Logitic。GZhangetal（1999）利用神經(jīng)網(wǎng)絡(luò)技術(shù)對220家配對樣本的企業(yè)進行財務(wù)危機預(yù)測，研究結(jié)

7、果表明神經(jīng)網(wǎng)絡(luò)的準確性遠遠高于邏輯回歸Logitic分析員素質(zhì)對模型的準確率有很大的影響，特別是財務(wù)指標的選擇，而影響企業(yè)財務(wù)危機指標的有銷售利潤率、資本收益率、資產(chǎn)報酬率和營運資金占有率等，其中有一些指標及數(shù)據(jù)間存在較明顯的相關(guān)性，如果把預(yù)定指標都作為ANN的輸入變量，將增加網(wǎng)絡(luò)的復(fù)雜度和數(shù)據(jù)運算時間，也降低計算的精度。為解決上述問題，可運用粗糙集理論中的知識約簡方法來減少信息表達的屬性指標，去掉冗余指標和信息，利用知識約簡方法簡化了

8、ANN的訓(xùn)練集，即將少了ANN系統(tǒng)的復(fù)雜性和訓(xùn)練時間，但是粗糙集理論在知識推理、預(yù)測和自我學(xué)習(xí)上沒有優(yōu)勢。人工神經(jīng)網(wǎng)絡(luò)ANN有良好的推理能力、分類能力和學(xué)習(xí)能力，能從海量的數(shù)據(jù)中發(fā)現(xiàn)規(guī)則、提取信息及強大的動態(tài)預(yù)測功能。兩種方法的相互結(jié)合和補充將取長補短，從而增強了人工神經(jīng)網(wǎng)絡(luò)處理財務(wù)危機預(yù)警這類非結(jié)構(gòu)化、非線形等復(fù)雜問題的能力，也提高了模型實證檢驗的準確率。2、混合粗糙集ANN模型的結(jié)構(gòu)設(shè)計根據(jù)傳統(tǒng)ANN結(jié)構(gòu)，可將混合粗糙集與人工神經(jīng)網(wǎng)

9、絡(luò)模型結(jié)構(gòu)分為三層，即輸入層、隱含層和輸出層。2.1、網(wǎng)絡(luò)層數(shù)的設(shè)計。對于多層神經(jīng)網(wǎng)絡(luò)來說最主要的任務(wù)就是確定可加強網(wǎng)絡(luò)映射精度的隱含層的數(shù)目。雖然隱含層能增加網(wǎng)絡(luò)處理能力，也可實現(xiàn)任意復(fù)雜系統(tǒng)的映射，如設(shè)計過多的隱含層將可能力導(dǎo)致網(wǎng)絡(luò)訓(xùn)練難度加大，網(wǎng)絡(luò)的效率和時效性降低。對于小型網(wǎng)絡(luò)的邊界判別問題和二進制分類問題，單隱含層能進行良好的分類，也能滿足財務(wù)危機預(yù)警模型的構(gòu)建和研究，本文采用單輸入層、單隱含層和單輸出層。2.2、輸入層的設(shè)計

10、。在財務(wù)危機預(yù)警模型中輸入層就是企業(yè)各財務(wù)指標數(shù)據(jù)的樣本Xq=（Xq1，Xq2，Xq3，…，XqiXqn）T其中Xqi為樣本q的第i個條件屬性。選擇n個財務(wù)指標就構(gòu)成n維數(shù)的輸入空間。雖然輸入維數(shù)對網(wǎng)絡(luò)的預(yù)測準確率有較大的影響，但過多的擴大輸入維數(shù)將加大網(wǎng)絡(luò)負擔，影響訓(xùn)練效果和時間。為了改善輸入層節(jié)點設(shè)置的盲目性和主觀性，本文引入粗糙集的知識約簡理論，消除冗余信息和指標，有效降低了輸入維數(shù)。即全面的選取N個財務(wù)指標，通過粗糙集屬性約簡后

11、得到最簡屬性集，并將這些最具有分類功能的n個財務(wù)指標設(shè)置為神經(jīng)網(wǎng)絡(luò)輸入層的節(jié)點。2.3、隱含層的設(shè)計。隱含層的節(jié)點數(shù)的選擇對網(wǎng)絡(luò)的性能有很大影響，如何多少單元和多少層都是復(fù)雜的問題。隱含層每個節(jié)點可確定一個判決面，節(jié)點也把N維輸入空間分為兩個部分，同時，又將第一隱含節(jié)點形成的多個判決面組成判決域或判決空間，這些節(jié)點數(shù)有些用來提取圖形特征，有些則用來完成特殊的功能。常用的改進BP神經(jīng)網(wǎng)絡(luò)動態(tài)調(diào)整學(xué)習(xí)算法是將隱含層節(jié)點設(shè)置多些，讓網(wǎng)絡(luò)自行調(diào)

12、整學(xué)習(xí)來獲得大小適合的隱含層節(jié)點數(shù)。公式為L=，其中，L為隱含層單元數(shù)，m為51.035.077.054.212.043.02?????nmnmn輸入層單元數(shù)，n為輸出層單元數(shù)。2.4、輸出層：通過神經(jīng)網(wǎng)絡(luò)模型將定性轉(zhuǎn)化為定量的輸出，用輸出向量（0）和（1）來表示企業(yè)的財務(wù)危機狀態(tài)：危機和安全。采用單節(jié)點輸出層將大大簡化網(wǎng)絡(luò)結(jié)構(gòu)和提高鑒別危機企業(yè)的預(yù)測準確率。3、混合粗糙集ANN財務(wù)危機預(yù)警模型的構(gòu)建步驟基于混合粗糙集ANN的預(yù)警模型具