企業(yè)研究論文-基于ＢＰ神經(jīng)網(wǎng)絡(luò)的上市公司信用風(fēng)險(xiǎn)評(píng)價(jià).doc

企業(yè)研究論文-基于神經(jīng)網(wǎng)絡(luò)的上市公司信用風(fēng)險(xiǎn)評(píng)價(jià)【論文關(guān)鍵詞】BP神經(jīng)網(wǎng)絡(luò)信用風(fēng)險(xiǎn)評(píng)價(jià)主成分分析【論文摘要】文章在建立上市公司信用風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系的基礎(chǔ)上，提出了用神經(jīng)網(wǎng)絡(luò)對(duì)上市公司進(jìn)行信用評(píng)級(jí)的方法，并利用相關(guān)數(shù)據(jù)對(duì)模型進(jìn)行了實(shí)證研究，取得了較好的結(jié)果。一、引言信用風(fēng)險(xiǎn)管理對(duì)于商業(yè)銀行而言是一個(gè)永恒的主題，特別是東南亞金融危機(jī)后，更引起各國的關(guān)注和重視。無論銀行還是中介機(jī)構(gòu)都迫切需要利用新的技術(shù)和方法對(duì)企業(yè)信用狀況做出較為準(zhǔn)確的評(píng)價(jià)與決策。目前常用的統(tǒng)計(jì)方法有判別分析法、Logistic回歸法及主成分分析法、聚類分析法等，由這些方法建立起來的統(tǒng)計(jì)模型確可對(duì)信用評(píng)級(jí)提供較具科學(xué)性的分析，但這些統(tǒng)計(jì)模型都存在如下缺陷：第一，所有的模型所采取的各種變量，不論是不是財(cái)務(wù)指標(biāo)，都來自研究者的主觀選取，很難斷言沒有重要變量被遺漏。第二，線性多元判別分析對(duì)變量的基本假設(shè)是多元正態(tài)分布，但許多實(shí)證資料大半違反此假設(shè)，又假設(shè)不同群組間的協(xié)方差矩陣相等，有違兩組樣本來自兩個(gè)分立群體的直覺。第三，線性概率模型無法符合“概率”的定義要求，存在先天瑕疵。自20世紀(jì)80年代末，西方發(fā)達(dá)國家將人工智能引入銀行業(yè)，協(xié)助銀行進(jìn)行貸款決策，這其中，尤其人工神經(jīng)網(wǎng)絡(luò)在企業(yè)財(cái)務(wù)分析中顯示了巨大的優(yōu)勢和潛力。在我們國家，無論是用統(tǒng)計(jì)方法，還是用神經(jīng)網(wǎng)絡(luò)技術(shù)來研究信用風(fēng)險(xiǎn)，目前都尚處于起步階段。楊保安，李海（2001）利用BP神經(jīng)網(wǎng)絡(luò)對(duì)企業(yè)財(cái)務(wù)危機(jī)進(jìn)行了預(yù)警研究；柳炳祥，盛昭翰（2002）利用粗神經(jīng)網(wǎng)絡(luò)對(duì)企業(yè)財(cái)務(wù)危機(jī)進(jìn)行了分析；朱順泉?jiǎng)t對(duì)同一樣本數(shù)據(jù)分別采用主成分分析和模糊綜合評(píng)價(jià)方法研究了上市公司財(cái)務(wù)狀況問題。本文將在朱順泉文章樣本數(shù)據(jù)的基礎(chǔ)上，運(yùn)用神經(jīng)網(wǎng)絡(luò)方法對(duì)公司信用評(píng)級(jí)做進(jìn)一步的探討。二、樣本的選擇與指標(biāo)的選取樣本數(shù)據(jù)的來源如前面所述，將保持與朱順泉文中的一致，以便進(jìn)行比較。該樣本數(shù)據(jù)是從中國證券報(bào)2000年4月4日披露的財(cái)務(wù)數(shù)據(jù)表中選取的20家公司、15個(gè)評(píng)價(jià)指標(biāo)值。各項(xiàng)評(píng)價(jià)指標(biāo)依次為：主營業(yè)務(wù)利潤率（X1）、凈資產(chǎn)收益率（X2）、總資產(chǎn)收益率（X3）、流動(dòng)比率（X4）、速動(dòng)比率（X5）、總資產(chǎn)周轉(zhuǎn)率（X6）、存貨周轉(zhuǎn)率（X7）、應(yīng)收賬款周轉(zhuǎn)率（X8）、固定資產(chǎn)周轉(zhuǎn)率（X9）、股東權(quán)益周轉(zhuǎn)率（X10）、經(jīng)營活動(dòng)現(xiàn)金流量與凈利潤比率（X11）、主營收入現(xiàn)金流量（X12）、凈利潤增長率（X13）、長期負(fù)債比率（X14）、股東權(quán)益比率（X15）。由于指標(biāo)體系中各指標(biāo)均有不同的量綱，給評(píng)價(jià)帶來許多困難，因此有必要將不同量綱的評(píng)價(jià)指標(biāo)，通過適當(dāng)變換，轉(zhuǎn)化為無量綱的標(biāo)準(zhǔn)化指標(biāo)。經(jīng)標(biāo)準(zhǔn)化處理后的數(shù)據(jù)如表1所示。三、基于BP算法的信用風(fēng)險(xiǎn)評(píng)價(jià)模型BP算法是一種有監(jiān)督的學(xué)習(xí)算法，它利用均方誤差最小和梯度下降法來實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)連接權(quán)值和偏置權(quán)值的修正。其學(xué)習(xí)的基本思路是：先將各單元間的連接權(quán)和偏置權(quán)設(shè)置為一個(gè)小的隨機(jī)數(shù)，然后選擇一個(gè)訓(xùn)練樣本，并計(jì)算樣本的誤差梯度。這涉及到兩個(gè)過程：一個(gè)是前向過程，將輸入值通過各個(gè)單元的傳遞，直至輸出單元得到網(wǎng)絡(luò)的輸出結(jié)果為止；另一個(gè)是反向過程：把實(shí)際輸出值和期望輸出值之間的誤差通過輸出層逐步返回到輸入層，并調(diào)整連接權(quán)值和偏置權(quán)值，直至樣本的實(shí)際輸出值和期望輸出值之間的誤差小于預(yù)先給定的值為止。現(xiàn)建立一個(gè)具有三層的BP網(wǎng)絡(luò)來解決這一分類問題。網(wǎng)絡(luò)的輸入變量采用能反映企業(yè)償債能力、贏利能力、發(fā)展能力等的15項(xiàng)指標(biāo)來構(gòu)成,相應(yīng)地，神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)中的輸入層需要15個(gè)結(jié)點(diǎn)。對(duì)于輸出層，我們?nèi)?個(gè)結(jié)點(diǎn)，用輸出值（1，0，0），（0，1，0），（0，0，1）分別代表“信用好”、“信用一般”、“信用差”三種信用級(jí)別。隱層的結(jié)點(diǎn)一般應(yīng)滿足2nm，其中n為隱層結(jié)點(diǎn)數(shù)，m為訓(xùn)練樣本數(shù)。由于本文中樣本數(shù)將取為15（其余5個(gè)樣本用于仿真），這里n不妨取為5，即隱層有5個(gè)結(jié)點(diǎn)。該神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。根據(jù)圖1的網(wǎng)絡(luò)結(jié)構(gòu)，我們可建立如下的基于BP算法的信用風(fēng)險(xiǎn)評(píng)價(jià)模型：用向量表示為：Y=gVg（WX）+B1+B2運(yùn)用Matlab中的神經(jīng)網(wǎng)絡(luò)工具箱技術(shù)，當(dāng)我們把最大訓(xùn)練步數(shù)設(shè)定為8000，誤差指標(biāo)設(shè)為0.02，學(xué)習(xí)率為0.01時(shí)，得到了表1所示的結(jié)果。繼續(xù)運(yùn)用學(xué)習(xí)得到的W、V、B1、B2值對(duì)剩下的五個(gè)公司進(jìn)行仿真，可得到如表2所示的結(jié)果。從表2可以清晰地看到神經(jīng)網(wǎng)絡(luò)仿真的結(jié)果與朱文中主成分分析的結(jié)論是大致吻合的。四、結(jié)論第一，基于神經(jīng)網(wǎng)絡(luò)的企業(yè)信用風(fēng)險(xiǎn)評(píng)價(jià)模型，運(yùn)用了神經(jīng)網(wǎng)絡(luò)系統(tǒng)的容錯(cuò)能力、并行處理能力、抗干擾能力及處理非線性問題的能力，不需要主觀確定各指標(biāo)的權(quán)值，并且實(shí)驗(yàn)結(jié)果表明，BP神經(jīng)網(wǎng)絡(luò)技術(shù)方法運(yùn)用到企業(yè)信用評(píng)級(jí)方面是有效的第二，用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行企業(yè)信用風(fēng)險(xiǎn)評(píng)級(jí)也有一定的局限性，它要求企業(yè)無任何超越市場規(guī)則的有失公允的交易行為，企業(yè)的財(cái)務(wù)數(shù)據(jù)必須是真實(shí)和準(zhǔn)確的。另外，在信用評(píng)價(jià)中輸入變量的選取標(biāo)準(zhǔn)尚需進(jìn)一步探討，輸入變量除考慮公司企業(yè)財(cái)務(wù)技術(shù)的因素外，還應(yīng)考慮產(chǎn)業(yè)及整體經(jīng)濟(jì)基本層的因素?！緟⒖嘉墨I(xiàn)】1楊保安、季海：BP神經(jīng)網(wǎng)絡(luò)在企業(yè)財(cái)務(wù)危機(jī)中的應(yīng)用J.預(yù)測，2001（2）.2柳炳祥、盛昭翰：基于神經(jīng)網(wǎng)絡(luò)的企業(yè)財(cái)務(wù)危機(jī)預(yù)警方法J.中國工程科學(xué)，2002（8）.3朱順泉、徐國祥：我國上市公司