（會計學(xué)專業(yè)論文）最小二乘支持向量機(jī)在財務(wù)業(yè)績預(yù)測中的應(yīng)用研究(1).pdf

the research on financial performance prediction using the least squares support vector machine a dissertation submitted for the degree of master candidate：li yueli yue supervisor：prof. zhao guanhuazhao guanhua school of accountancy shandong university of finance and economics 中圖分類號：中圖分類號： 密級：公密級：公 開開 學(xué)科分類號：學(xué)科分類號： 論 文 編 號論 文 編 號 ：kj118222009120201027kj118222009120201027 碩 士 學(xué) 位 論 文 最小二乘支持向量機(jī)最小二乘支持向量機(jī) 在財務(wù)業(yè)績預(yù)測中的應(yīng)用研究在財務(wù)業(yè)績預(yù)測中的應(yīng)用研究 作 者 姓 名： 李玥 申請學(xué)位級別：管理學(xué)碩士 指導(dǎo)教師姓名： 趙冠華 職 稱：教 授 學(xué) 科 專 業(yè)： 會計學(xué) 研 究 方 向：財務(wù)決策支持系統(tǒng) 學(xué) 習(xí) 時 間： 自 2009 年 9 月 1 日 起至 2012 年 6 月 30 日 止 學(xué)位授予單位： 山東財經(jīng)大學(xué) 學(xué)位授予日期： 2012 年 6 月 山東財經(jīng)大學(xué)學(xué)位論文獨創(chuàng)性聲明山東財經(jīng)大學(xué)學(xué)位論文獨創(chuàng)性聲明 本人聲明所呈交的學(xué)位論文是我個人在導(dǎo)師指導(dǎo)下進(jìn)行研究工作及取得的研究 成果。盡我所知，除了文中特別加以標(biāo)注和致謝的地方外，論文中不包含其他人已經(jīng) 發(fā)表或撰寫過的研究成果， 也不包含為獲得山東財經(jīng)大學(xué)或其它教育機(jī)構(gòu)的學(xué)位或證 書而使用過的材料。 與我一同工作的同志對本研究所做的任何貢獻(xiàn)均已在論文中作了 明確的說明并表示了謝意。 學(xué)位論文作者簽名： 日期： 年 月 日 山東財經(jīng)大學(xué)學(xué)位論文使用授權(quán)聲明山東財經(jīng)大學(xué)學(xué)位論文使用授權(quán)聲明 本人完全同意山東財經(jīng)大學(xué)有權(quán)使用本學(xué)位論文（包括但不限于其印刷版和 電子版） ，使用方式包括但不限于：保留學(xué)位論文，按規(guī)定向國家有關(guān)部門（機(jī) 構(gòu)）送交學(xué)位論文，以學(xué)術(shù)交流為目的贈送和交換學(xué)位論文，允許學(xué)位論文被查 閱、借閱和復(fù)印，將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進(jìn)行檢索，采用 影印、縮印或其他復(fù)制手段保存學(xué)位論文。 保密學(xué)位論文在解密后的使用授權(quán)同上。 學(xué)位論文作者簽名： 日期： 年 月 日 指導(dǎo)教師簽名： 日期： 年 月 日 山東財經(jīng)大學(xué)碩士學(xué)位論文 i 摘摘 要要 自奧特曼對財務(wù)困境展開開創(chuàng)性研究以來，對財務(wù)困境預(yù)測的研究已經(jīng)相對成 熟，但是財務(wù)困境預(yù)測以公司是否被 st 作為預(yù)測標(biāo)準(zhǔn)，這難免給人一種為時已晚的 感覺。鑒于此，有學(xué)者初步提出財務(wù)業(yè)績預(yù)測并進(jìn)行了相關(guān)研究。財務(wù)業(yè)績預(yù)測仍然 處于一個起步階段，它通過預(yù)測公司未來業(yè)績的變動情況，為利益相關(guān)者提供決策所 需信息。 本文的研究目的就是希望在以往研究的基礎(chǔ)上提出一種適用于制造業(yè)業(yè)績預(yù) 測的方法， 向利益相關(guān)者提供公司發(fā)展趨勢的信息， 從而有利于他們做出科學(xué)的決策。 本文共分為六個部分：第一部分，對研究背景、研究意義以及相關(guān)參考文獻(xiàn)進(jìn)行 了闡述。第二部分，介紹了文章研究的理論基礎(chǔ)，主要包括統(tǒng)計學(xué)習(xí)理論和支持向量 機(jī)相關(guān)理論。第三部分，介紹了預(yù)測指標(biāo)的選取以及預(yù)處理，本文主要選取了能夠反 映公司償債能力、獲利能力、營運(yùn)能力、成長能力以及現(xiàn)金流量能力的 24 個指標(biāo)， 將這 24 個指標(biāo)依次進(jìn)行正態(tài)分布檢驗、顯著性差異檢驗以及因子分析處理之后，共 提取出 2 個公因子作為模型的輸入變量。第四部分，是文章的實證研究部分，作者嘗 試性的選擇半年度作為預(yù)測期間，初始選取了 2010 年制造業(yè) 642 家上市公司，經(jīng)過 剔除被 st 的公司以及業(yè)績增減幅度小于 50%的公司，最終經(jīng)過處理后的研究樣本數(shù) 量為 264 家（其中 132 家業(yè)績上升的公司，132 家業(yè)績下降的公司） ，將這 264 家樣 本分成訓(xùn)練集和樣本集，其中訓(xùn)練樣本 88 家（44 家業(yè)績上升公司，44 家業(yè)績下降公 司） ， 測試樣本 44 家 （22 家業(yè)績上升的公司， 22 家業(yè)績下降的公司） ， 分別構(gòu)建 logit 回歸模型以及 ls-svm 模型，并將兩種模型的預(yù)測結(jié)果進(jìn)行了比較。第五部分，主要 是將 ls-svm 模型加以應(yīng)用的案例分析。第六部分是文章的結(jié)論以及不足。 本文在財務(wù)業(yè)績預(yù)測過程中引入最小二乘支持向量機(jī)， 并采用半年度數(shù)據(jù)進(jìn)行預(yù) 測，最終構(gòu)建的 ls-svm 模型的預(yù)測準(zhǔn)確率高于 logit 回歸模型的預(yù)測準(zhǔn)確率。本文 的主要創(chuàng)新點包括以下兩點： 第一，將最小二乘支持向量機(jī)應(yīng)用于財務(wù)業(yè)績預(yù)測。通過研究發(fā)現(xiàn)基于最小二乘 支持向量機(jī)的財務(wù)業(yè)績預(yù)測模型判斷準(zhǔn)確率為 64.8%，模型預(yù)測準(zhǔn)確率比 logit 回歸 模型的預(yù)測準(zhǔn)確率略高。 第二，文章的研究視角方面，文章主要進(jìn)行半年度業(yè)績預(yù)測。文章在進(jìn)行研究時 主要采用的是半年度數(shù)據(jù)，這就為財務(wù)業(yè)績預(yù)測提供了一定的及時性。 關(guān)鍵字：財務(wù)業(yè)績 最小二乘支持向量機(jī) logit 回歸模型 上市公司 abstract ii abstract financial distress prediction and research has entered a relatively mature stage since altman began poineering research on it. however the research might give the forcasters a feeling of too late because the standard: weather a company is special trated. because of this, scholars put forward a reserch: prediction and research of financial performance. the prediction and research of financial performance is still in an initial stage. it provides information required for stakeholders in decision-making by predicting the future performance of the company. the purpose of this study is to chose a performance prediction method for manufacturing to provide information for the stakeholders. this article is divided into six parts: the first part describes the researching background, researching meaning and references. the second part of the article studies the theoretical basis, including the statistical learning theory and the ralated theory of support vector machine. the third part describes the selection and pretreatment of the predictors. there are 24 indicators which reflect the companys solvency, profitability, operational capabilities, the ability to grow and cash floew capacity. after taken normal distribution test, significant difference test and factor analysis, two common factors was extracted. part iv is the empirical research of the article. the paper chose 642 manufacturing listed companies in 2010 initially, after removed the st companies as well as those whose performance increasing or decreasing less than 50%, the final number of the treated sample is 264 (of which there are 132 performance increase as well as 132 performance decrease), these 264 samples were divided into training set and a sample set. there are 88 training samples (44 results rise in the company, 44 decline in performance company) and 44 test samples (22 increase in performance companies as well as 22 decrease in the performance).logit regression model and the ls-svm model were constructed and the predicting results of them were compared. the fifth part is the case of ls-svm model using. part vi is the conclusion of the article as well as the shortcomings. the least squares support vector machine(ls-svm) was introduced in forecasting process of financial results and semi-annual data was used to predict. the result is that: the 山東財經(jīng)大學(xué)碩士學(xué)位論文 iii prediction accuracy of ls-svm model is higher than that of the logit regression model. the main innovation of this paper contains the following two sides. first, the least squares support vector machine was applied to the financial performance forecast. through the study we found that the prediction accuracy of the ls-svm model is 64.8%, which is slightly higher than that of the logit regression model. second, the article using semi-annual indicators for forecast. during the study, semi-annual data was used which might provide financial results forecast in time. keywords: financial performance least squares support vector machine logit regression model listed company 目錄 iv 目錄目錄 第第 1 1 章章 緒論緒論 . 1 1.1 研究背景及意義 . 1 1.1.1 研究背景. 1 1.1.2 研究意義. 1 1.2 文獻(xiàn)綜述 . 3 1.2.1 統(tǒng)計類預(yù)測模型 . 3 1.2.2 人工智能型預(yù)警模型 . 8 1.3 研究方法和內(nèi)容 . 11 1.3.1 研究方法. 11 1.3.2 研究內(nèi)容. 12 第第 2 2 章章 最小二乘支持向量機(jī)及其相關(guān)理論最小二乘支持向量機(jī)及其相關(guān)理論 . 14 2.1 經(jīng)驗風(fēng)險最小化原則 . 14 2.1.1 機(jī)器學(xué)習(xí)問題的簡單描述 . 14 2.1.2 經(jīng)驗風(fēng)險最小化原則及其不足 . 15 2.2 統(tǒng)計學(xué)習(xí)理論的主要思想 . 16 2.2.1 函數(shù)集學(xué)習(xí)能力的描述 . 16 2.2.2 結(jié)構(gòu)風(fēng)險最小化原理 . 16 2.3 支持向量機(jī). 17 2.3.1 支持向量機(jī)原理 . 17 2.3.2 支持向量機(jī)分類 . 18 2.3.3 最小二乘支持向量機(jī) . 27 第第 3 3 章章 預(yù)測指標(biāo)的選取及預(yù)處理預(yù)測指標(biāo)的選取及預(yù)處理 . 30 3.1 預(yù)測指標(biāo)的選取 . 30 3.1.1 預(yù)測指標(biāo)選取的原則 . 30 3.1.2 初始預(yù)測指標(biāo)的選取 . 31 3.2 指標(biāo)的預(yù)處理 . 33 3.2.1 指標(biāo)數(shù)據(jù)的正態(tài)分布檢驗 . 33 3.2.2 指標(biāo)數(shù)據(jù)的顯著性差異檢驗 . 34 3.2.3 指標(biāo)數(shù)據(jù)的多重共線性檢驗 . 35 第第 4 4 章章 基于基于 lsls- -svmsvm 的財務(wù)業(yè)績預(yù)測實證研究的財務(wù)業(yè)績預(yù)測實證研究 . 39 4.1 研究樣本的選擇 . 39 4.1.1 因變量的選擇 . 39 4.1.2 自變量的選擇 . 39 4.1.3 數(shù)據(jù)來源. 39 4.2 logit 模型 . 40 4.2.1logit 回歸模型的形式 . 40 4.2.2logit 回歸模型的估計 . 41 4.2.3logit 回歸模型的檢驗 . 42 4.2.4 半年度預(yù)測的 logit 模型的構(gòu)建 . 43 4.3 ls-svm 模型 . 45 4.3.1 基于 ls-svm 的財務(wù)業(yè)績預(yù)測 . 45 山東財經(jīng)大學(xué)碩士學(xué)位論文 v 4.3.2 基于 ls-svm 模型構(gòu)建及實證檢驗 . 46 4.4 實證結(jié)果的分析與比較 . 47 第第 5 5 章章 基于基于 lsls- -svmsvm 的財務(wù)業(yè)的財務(wù)業(yè)績預(yù)測案例分析績預(yù)測案例分析 . 48 5.1 上市公司簡介 . 48 5.1.1 開開實業(yè)公司簡介 . 48 5.1.2 上海棱光實業(yè)公司簡介 . 48 5.2 公司的財務(wù)狀況 . 49 5.2.1 開開實業(yè)的財務(wù)狀況 . 49 5.2.2 棱光實業(yè)的財務(wù)狀況 . 49 5.3 基于 ls-svm 的財務(wù)業(yè)績預(yù)測結(jié)果分析 . 50 5.3.1 開開實業(yè)的預(yù)測結(jié)果分析 . 50 5.3.2 棱光實業(yè)的預(yù)測結(jié)果分析 . 50 第第 6 6 章章 研究結(jié)論及不足研究結(jié)論及不足 . 51 6.1 研究結(jié)論 . 51 6.2 研究的不足之處 . 51 參考文獻(xiàn)參考文獻(xiàn) . 53 附錄附錄 . 55 攻讀碩士學(xué)位期間取得的學(xué)術(shù)成果攻讀碩士學(xué)位期間取得的學(xué)術(shù)成果 . 59 致致謝謝 . 60 圖表清單 vi 圖表清單 序號 圖題 頁碼 圖 1-1 論文研究框架 13 圖 2-1 結(jié)構(gòu)風(fēng)險最小化原則 17 圖 2-2 線性可分支持向量機(jī)示意圖 19 圖 2-3 線性不可分支持向量機(jī)示意圖 23 序號 表題 頁碼 表 3-1 財務(wù)指標(biāo) 31 表 3-2 半年度指標(biāo)數(shù)據(jù)正態(tài)分布檢驗結(jié)果 33 表 3-3 半年度預(yù)測指標(biāo)數(shù)據(jù)顯著性差異檢驗結(jié)果 34 表 3-4 半年度預(yù)測指標(biāo)數(shù)據(jù)的 kmo 與 barlett 球形檢驗值 36 表 3-5 半年預(yù)測度指標(biāo)變量的共同度 36 表 3-6 半年度預(yù)測指標(biāo)變量系數(shù)矩陣的特征值、方差貢獻(xiàn)率和累積方差貢獻(xiàn)率 36 表 3-7 初始因子載荷矩陣 37 表 3-8 旋轉(zhuǎn)后的因子載荷矩陣 38 表 3-9 各公因子命名 38 表 3-10 因子得分系數(shù) 38 表 4-1 樣本數(shù)據(jù)分布 40 表 4-2 logit 回歸模型整體顯著性檢驗結(jié)果 43 表 4-3 logit 回歸模型擬合優(yōu)度評價指標(biāo) 43 表 4-4 半年度預(yù)測 logit 回歸系數(shù)估計值及顯著性檢驗結(jié)果 43 表 4-5 logit 回歸模型回代和預(yù)測結(jié)果 44 表 4-6 ls-svm 模型（高斯核）回代及預(yù)測結(jié)果 47 表 4-7 兩種模型預(yù)測準(zhǔn)確率比較 47 表 5-1 開開實業(yè)各項指標(biāo)數(shù)據(jù) 49 表 5-2 棱光實業(yè)各項指標(biāo)數(shù)據(jù) 49 山東財經(jīng)大學(xué)碩士學(xué)位論文 1 第 1 章 緒論 企業(yè)從財務(wù)正常到財務(wù)危機(jī)并非一蹴而就。因此，在企業(yè)正常經(jīng)營的過程中有必 要對其財務(wù)狀況和經(jīng)營成果進(jìn)行及時的評價和監(jiān)督， 建立一套科學(xué)的財務(wù)業(yè)績預(yù)測體 系，從而為利益相關(guān)者提供決策所需信息。本章是論文的緒論部分，首先介紹了財務(wù) 業(yè)績預(yù)測的研究背景及研究意義；其次，對國內(nèi)外有關(guān)預(yù)測方法進(jìn)行了綜述；最后， 給出了本文的研究方法以及研究內(nèi)容。 1.1 研究背景及意義 1.1.1 研究背景 信息革命和知識經(jīng)濟(jì)強(qiáng)有力地推動了世界各國通信和國際金融超高速運(yùn)轉(zhuǎn)的國 際化， “地球村”的形成在使得世界經(jīng)濟(jì)日益緊密相聯(lián)、兼容的同時也促進(jìn)了各國之 間的經(jīng)濟(jì)競爭并使其趨于“白熱化” 。在如此激烈的競爭環(huán)境下，企業(yè)能否可持續(xù)發(fā) 展是眾多利益相關(guān)者關(guān)注的焦點。 上市公司業(yè)已成為支撐我國國民經(jīng)濟(jì)增長的第一生 力軍， 然而隨著市場競爭越來越激烈， 上市公司的經(jīng)營管理正面臨越來越嚴(yán)峻的挑戰(zhàn)， 財務(wù)危機(jī)成為影響中國上市公司生存的重要因素。因此，研究中國上市公司經(jīng)營中存 在的財務(wù)風(fēng)險并建立預(yù)警系統(tǒng)，成為中國上市公司管理者的一個難題。基于此，國際 上的許多著名學(xué)者對企業(yè)危機(jī)及風(fēng)險管理進(jìn)行了研究。 隨著我國市場經(jīng)濟(jì)體制改革的 不斷深化以及證券市場的不斷完善，面對日益激烈的市場競爭，在微觀經(jīng)濟(jì)實體中建 立有效的企業(yè)預(yù)警系統(tǒng)已不再是一個單純的理論問題。隨著研究的逐步深入，學(xué)者們 逐漸發(fā)現(xiàn)：企業(yè)從財務(wù)正常到財務(wù)出現(xiàn)困境甚至破產(chǎn)并非是一蹴而就的，而是一個不 斷惡化的過程；而當(dāng)企業(yè)被 st 后再去進(jìn)行亡羊補(bǔ)牢式的財務(wù)困境預(yù)測顯然已屬于揚(yáng) 湯止沸！鑒于此，有的學(xué)者開始提出企業(yè)財務(wù)業(yè)績的分析與預(yù)測。通過研究企業(yè)業(yè)績 的變動趨勢，為利益相關(guān)者提供決策所需的信息。對上市公司財務(wù)業(yè)績進(jìn)行分析與預(yù) 測具有重要的理論意義和現(xiàn)實意義。 1.1.2 研究意義 （1）理論意義 財務(wù)業(yè)績預(yù)測有利于豐富企業(yè)管理理論。企業(yè)管理理論的核心是財務(wù)管理，財 務(wù)管理工作的效率直接影響著企業(yè)的管理水平。與日常的財務(wù)管理不同的是：企業(yè)財 第 1 章 緒論 2 務(wù)業(yè)績預(yù)測和管理的客體擁有不確定性和前瞻性。時至今日，我國多數(shù)學(xué)者均注重于 財務(wù)困境預(yù)警模型的研究，而對財務(wù)業(yè)績預(yù)測和分析的研究關(guān)注甚少。因此，有關(guān)財 務(wù)業(yè)績的評價體系不是很完善，財務(wù)業(yè)績預(yù)測也缺乏理論和實踐指導(dǎo)，這可謂是財務(wù) 管理理論的不足。因此，可以說對企業(yè)財務(wù)業(yè)績預(yù)測和分析的研究在一定程度上對財 務(wù)管理理論進(jìn)行了充實，對豐富我國的企業(yè)管理理論具有非同小可的重要意義。本文 以中國上市公司為研究對象，從財務(wù)風(fēng)險的基本理論入手，研究中國上市公司財務(wù)風(fēng) 險的種類、發(fā)生的原因以及預(yù)警問題。本文將支持向量機(jī)（svm）這個目前比較熱門 的機(jī)器學(xué)習(xí)算法應(yīng)用到企業(yè)財務(wù)危機(jī)預(yù)警領(lǐng)域，建立了企業(yè) ls-svm 財務(wù)預(yù)警模型， 為研究企業(yè)財務(wù)預(yù)警問題提出了一種新的建模思想和方法，拓寬了該領(lǐng)域的研究范 圍。 企業(yè)財務(wù)業(yè)績預(yù)測有利于豐富危機(jī)管理理論。 危機(jī)管理理論得到長足發(fā)展是在 20 世紀(jì) 70-80 年代，該理論主要包含對危機(jī)的事前、事中和事后所有方面的管理以 期實現(xiàn)以最小的費用獲得最大的效果。 資源稀缺性和市場競爭性促使企業(yè)推行危機(jī)管 理以保證企業(yè)財產(chǎn)和經(jīng)營安全、避免出現(xiàn)財務(wù)困境。而對企業(yè)財務(wù)業(yè)績預(yù)測能夠從新 的角度對企業(yè)危機(jī)管理提供依據(jù)。因此，對企業(yè)財務(wù)業(yè)績預(yù)測和分析的研究在一定程 度上豐富了危機(jī)管理理論。 有利于豐富委托代理理論。經(jīng)濟(jì)權(quán)與所有權(quán)相分離引致了委托代理問題，而委 托代理問題的存在又是人們進(jìn)行財務(wù)業(yè)績預(yù)測的動機(jī)。 利益相關(guān)者總是想通過一定的 標(biāo)準(zhǔn)來評估管理人員是否盡職盡責(zé)、恪盡職守。他們評估的標(biāo)準(zhǔn)既包括對歷史財務(wù)業(yè) 績的考核，也包括對未來業(yè)績的預(yù)測。通過對未來業(yè)績的預(yù)測，利益相關(guān)者對管理者 的行為形成一個預(yù)期的標(biāo)準(zhǔn)，當(dāng)經(jīng)營管理者的行為發(fā)生后，利益相關(guān)者則將經(jīng)營管理 者的行為效應(yīng)與其所預(yù)期的標(biāo)準(zhǔn)加以比較，以便及時掌握管理者的行為動態(tài)。這就有 利于從一個更廣泛的層次去理解委托代理理論的應(yīng)用， 有利于進(jìn)一步豐富委托代理理 論伸展和健全。 有利于豐富經(jīng)濟(jì)人理論假設(shè)的應(yīng)用。 經(jīng)濟(jì)人假設(shè)將所有參與經(jīng)濟(jì)的微觀主體視 為利益最大化追求者，他們總是期冀以最小的投入獲得最大的產(chǎn)出，即達(dá)到一個帕累 托最優(yōu)。經(jīng)濟(jì)人假設(shè)是財務(wù)業(yè)績預(yù)測行為產(chǎn)生的推動力。正是因為各利益相關(guān)者的行 為滿足經(jīng)濟(jì)人的假設(shè)，所以他們更傾向于把握未來，預(yù)知未來，以便及時做出應(yīng)急之 策。另外，利益相關(guān)者的機(jī)會主義行為是財務(wù)業(yè)績行為存在的另一個推動力。故而通 過對財務(wù)業(yè)績預(yù)測問題的研究可以在一定程度上解釋經(jīng)濟(jì)人假設(shè)和機(jī)會主義行為。 山東財經(jīng)大學(xué)碩士學(xué)位論文 3 （2）現(xiàn)實意義 宏觀方面。宏觀經(jīng)濟(jì)是由各微觀經(jīng)濟(jì)單元組成的。各微觀經(jīng)濟(jì)實體的不穩(wěn)定必 然會引起整個宏觀經(jīng)濟(jì)的不穩(wěn)定。 上市公司蟬聯(lián)不絕的頻繁破產(chǎn)不僅會影響到證券市 場的穩(wěn)定繁榮，而且還會引發(fā)大量失業(yè)乃至財政、經(jīng)濟(jì)以及社會的動蕩不安，促使整 個國民經(jīng)濟(jì)體系受到嚴(yán)重影響和破壞， 各種資源得不到有效的利用從而增加了國家的 社會成本和經(jīng)濟(jì)成本，削弱了國家的經(jīng)濟(jì)實力，制約了 gdp 的可持續(xù)增長。我們通過 對企業(yè)財務(wù)業(yè)績預(yù)測和分析， 可以針對企業(yè)的財務(wù)狀況以及是否會發(fā)生危機(jī)進(jìn)行事前 的準(zhǔn)確預(yù)測， 從而有利于我們國家宏觀制定出合理的資源配置政策和規(guī)避風(fēng)險的政策 方針。 微觀層面。在微觀層面上，財務(wù)業(yè)績預(yù)測和分析可以匡扶襄助利益相關(guān)者做出 科學(xué)而客觀的決策。對于企業(yè)自身來說，企業(yè)管理者通過財務(wù)業(yè)績預(yù)測可以評價現(xiàn)有 和預(yù)期財務(wù)狀況、分析企業(yè)是否會發(fā)生財務(wù)困境并分析原因，找出癥結(jié)所在，以便及 時制定出與之相對應(yīng)的經(jīng)營和財務(wù)政策；而對于投資者：則可以通過對企業(yè)財務(wù)業(yè)績 預(yù)測來分析企業(yè)的經(jīng)營和財務(wù)狀況，以便做出正確的投資決策；對于債權(quán)人：通過分 析、預(yù)測企業(yè)的財務(wù)業(yè)績，評價企業(yè)的還本付息能力，以便做出合理的信貸政策和及 時的收款決策；對于政府監(jiān)管部門：通過對企業(yè)財務(wù)業(yè)績的預(yù)測和分析，能夠制定出 合理的資源配置政策；對于稅務(wù)部門：有利于分析企業(yè)經(jīng)營能力，制定合理的征稅政 策，保證財政收入的穩(wěn)定；對于中介機(jī)構(gòu)：比如審計統(tǒng)計、會計師事務(wù)所、注冊稅務(wù) 師事務(wù)所等相關(guān)部門、單位、機(jī)構(gòu)，可以通過對企業(yè)的財務(wù)業(yè)績評價，制定合理的審 計核查計劃和方案等。 1.2 文獻(xiàn)綜述 企業(yè)財務(wù)業(yè)績預(yù)測的研究，在國內(nèi)外才剛剛興起。但是，對于企業(yè)財務(wù)困境的預(yù) 測，國內(nèi)外學(xué)者早已進(jìn)行了大量的研究。企業(yè)財務(wù)業(yè)績預(yù)測研究可謂是財務(wù)困境預(yù)測 研究的提前化，故而對于在財務(wù)困境所應(yīng)用的研究方法，在很大程度上，可被企業(yè)財 務(wù)業(yè)績預(yù)測研究采用。下面著重將相關(guān)的研究方法加以綜述。 1.2.1 統(tǒng)計類預(yù)測模型 傳統(tǒng)統(tǒng)計類預(yù)測模型主要包括：一元判別分析模型、多元判別分析模型、線性概 率分析模型、累積求和模型以及生存分析法等。 第 1 章 緒論 4 （1）一元判別分析模型 fitz patrick 最早將一元判別分析模型應(yīng)用于財務(wù)困境預(yù)測，他于 1932 年在“a comparison of ratios of successful industrial enterprises with those failed firms”一文 中，通過單個財務(wù)比率把 19 家研究樣本劃分為兩組：破產(chǎn)組和非破產(chǎn)組。通過研究， fitz patrick 得出：凈資產(chǎn)利潤率以及產(chǎn)權(quán)比率的預(yù)測效果最好1。 secrist 選用一、二個財務(wù)指標(biāo)，通過簡單圖表法比較了不同時期經(jīng)營失敗銀行和 經(jīng)營成功銀行在財務(wù)指標(biāo)上差異，以判斷銀行是否存在財務(wù)困境。 繼 fitz patrick 之后，beaver (1966)提出的一元判別分析模型最具有代表性，他通 過選取 1954-1964 年期間的 79 家失敗公司以及同行業(yè) 79 家近似資產(chǎn)規(guī)模的成功公司 為樣本，利用二分類檢定法、剖面分析對樣本破產(chǎn)前五年的 29 個財務(wù)指標(biāo)進(jìn)行逐年 比較。通過研究，beaver 得出：成功樣本與失敗樣本的財務(wù)比率存在顯著性差異，隨 著破產(chǎn)日的臨近，模型誤判率越低；其中總資產(chǎn)利潤率的預(yù)測效果最好，模型誤判率 最低， “凈收入/總資產(chǎn)比率”次之2。 在我國，財務(wù)困境的研究起步較晚。國內(nèi)學(xué)者陳靜首先運(yùn)用上市公司作為樣本進(jìn) 行財務(wù)困境研究。陳靜（1999）以 1998 年的 27 家特殊處理公司和 27 家正常公司為 樣本，選取資產(chǎn)負(fù)債率、凈資產(chǎn)收益率、總資產(chǎn)報酬率、流動比率等 6 個財務(wù)指標(biāo)進(jìn) 行了一元判別分析，在分析中發(fā)現(xiàn)：模型在 st 前三年的預(yù)測效果很好，其中誤判率 最低的財務(wù)指標(biāo)是流動比率和負(fù)債比率3。 雖然，一元判別分析模型在財務(wù)困境預(yù)測中起到了一定的成效，但是仍然存在諸 多不足。比如單個財務(wù)指標(biāo)在反映企業(yè)整體財務(wù)狀況時表現(xiàn)乏力；不同財務(wù)指標(biāo)對同 一企業(yè)預(yù)測結(jié)果可能出現(xiàn)分歧；促使企業(yè)經(jīng)理人為達(dá)到目標(biāo)而粉飾某個財務(wù)指標(biāo)。 （2）多元判別分析模型 為了規(guī)避一元判別分析模型存在的諸多弊端， 國內(nèi)外學(xué)者開始將多元判別分析模 型引入財務(wù)預(yù)測研究領(lǐng)域。多元判別分析模型是指在進(jìn)行財務(wù)預(yù)測時，將多個財務(wù)比 率進(jìn)行匯總，最終得出一個判別值達(dá)到預(yù)測的目的。 z 值模型。1968 年，美國學(xué)者 edward altman 在財務(wù)比率、判別分析和公司 破產(chǎn)預(yù)測 一文中首次將多變量判別模型引入到財務(wù)困境預(yù)測領(lǐng)域。 他選取 1946-1965 年間 33 家申請破產(chǎn)的制造企業(yè)和 33 家同行業(yè)近似規(guī)模運(yùn)營正常企業(yè)的作為研究樣 本，從 22 個財務(wù)指標(biāo)中篩選了 5 個最具影響力指標(biāo)并建立了著名的 z 值模型。分析 指出：z 值越小，企業(yè)陷入財務(wù)困境的可能性越大。z 值高于 1.8 則可判定這家公司 山東財經(jīng)大學(xué)碩士學(xué)位論文 5 的財務(wù)狀況良好；若 z10%，非常安全； 5%roe10%，正常；0roe5%，財務(wù)困境） ，運(yùn)用神經(jīng)網(wǎng)絡(luò)建立財務(wù)預(yù)警模型， 結(jié)果顯示模型的短期預(yù)測準(zhǔn)確率達(dá) 81.25%，中期預(yù)測準(zhǔn)確率為 56.25%20；楊淑娥、 黃禮（2005）以 120 家上市公司的截面財務(wù)指標(biāo)為建模樣本，以同期 60 家公司為檢 驗樣本運(yùn)用 bp 人工神經(jīng)網(wǎng)絡(luò)工具，建立了財務(wù)危機(jī)預(yù)警模型。研究結(jié)果表明建模樣 本的預(yù)測準(zhǔn)確率為 90.8%，檢驗樣本的預(yù)測準(zhǔn)確率為 90%21。 （2）遺傳算法模型（ga） 遺傳算法是一種基于自然選擇和基因遺傳學(xué)原理的優(yōu)化搜索方法。 varetto franco （1998）用遺傳算法分別提取線性函數(shù)和判別規(guī)則，結(jié)果表明遺傳算法可獲得不受統(tǒng) 計約束的最優(yōu)線性方程，與 mda 相比，該方程省時且受主觀影響小，但結(jié)果遜于 mda22；shin &lee（2002）以財務(wù)比率為基礎(chǔ)采用遺傳算法建立的預(yù)測模型，模型 結(jié)構(gòu)清楚、容易理解且能對定性變量進(jìn)行規(guī)則提取23。 （3）粗糙集理論模型（rst） 第 1 章 緒論 10 rst 方法可用一組多價值屬性的財務(wù)比率有效地描述困境與非困境公司， 并揭示 財務(wù)特征與公司失敗風(fēng)險之間的關(guān)系。將 rst 應(yīng)用到財務(wù)困境預(yù)測研究的學(xué)者主要 有：franeis eh、dimitras ai、pawlak、ziarko、dimitras ai 等。 國內(nèi)學(xué)者張華倫、孫毅（2006）建立了一種基于粗集-模糊神經(jīng)網(wǎng)絡(luò) （rough-fuzzy-ann，rfa）的預(yù)測模型并給出了相應(yīng)的算法。通過實證分析得