第一章 导论
1.1 研究背景及意义
随着我国市场经济在国际经济一体化的浪潮中不断发展和壮大，越来越多企业加入国际市场的激烈竞争，面临加快科学技术改革以及满足市场需求多样化发展的挑战。我国制造企业是国民经济的重要组成部分，而制造业上市公司在国民经济发展中的结构转型表现突出。高新技术产业以科学技术创新为基础推动了经济的持续快速健康发展，成为国家经济发展的重点。高新技术制造企业作为高新技术制造业的实体是知识密集型、技术密集型和资金密集型的企业，其发展决定了现实生产力的转化，对于促进整体制造业的快速发展具有重要意义。我国高新技术制造业的规模不断扩大，产业总体素质稳步提升。尤其是在西部大开发和“十二五”规划中，国家强调以支撑加快经济发展方式转变为主线，以科学发展为理念，科技创新为动力，大力倡导引进高新技术建设新型制造业，加快结构调整和产业自主创新，在提高资源开发利用水平和效率的同时促进了西部地区的经济建设和发展。高新技术企业的高收益特性源于其高科技产品和服务的高增长和高附加值，而与之对应的便是企业的高风险性，以上特点使得企业增加了在不确定外部环境中的经营管理风险和内部财务决策的失误，随之产生不同程度的收益风险。高新技术制造业相比于传统的制造业面临更多的技术垄断，激烈的产品市场竞争等，使得企业管理者重技术而忽略了经营管理，尤其是对于财务风险的控制。我国各地区制造业水平发展并不均衡，中西部地区的综合经济效益和利润率远低于长三角和珠三角地区的制造业，有些新型制造业因为资金配置和运转效率低下出现企业财务风险，其扩散和深化将直接导致企业陷入财务困境，从而影响正常的生产经营活动。所以对于高新技术制造企业来讲及时察觉财务风险苗头，合理规避风险，适时采取有效措施消除危机隐患，对企业的健康持续快速发展至关重要。
……….
1.2 国内外相关研究综述
由于国外资本市场发展较快，对于上市公司数据选取非常丰富，在财务预警领域的理论和应用相对成熟，其涉及的财务危机预警模型种类也较为丰富，由传统的统计研究方法发展到人工智能算法和混合模型。最初是由 Fit Patrick(1932)[1]以单一的财务比率为划分标准将 19 家公司分为破产样本和财务正常样本。结果表明：股东权益与负债之比和净利润与股东权益之比对财务危机预测率较高。Beaver(1966)[2]在 FitzPatriek 发现的财务比率可以反映企业的财务状况，由此建立基于单个财务比率的一元财务预警判别模型。但一元判定模型有一定的局限性：一、指标之间可能存在相关性，财务指标差异性会导致得到完全不同的结果；二、实证研究表明，总体而言，财务危机公司在单变量模型中的判别准确率低于非财务危机公司在单变量模型中的判别准确率；三、单变量涵盖的信息对企业的整体财务状况反映不足，这会对模型的适用性带来不利影响。美国研究者 Altman(1968)[3]首次引入 Z 计分模型到财务预警模型中，多元判别分析克服了单变量分析的局限性。通过按照 1:1 的配对比率选取 1946-1965 年共 66 家破产公司与财务正常公司，从 22 个预警指标变量中筛选出误判率最小的 5 个指标变量代入多元判别模型中。通过模型算得总分数即 Z 值，由 Z 值的大小可以表示公司的财务状况，规定当 Z >2.675 时，企业经营稳定且财务状况较好；当 Z<1.81 时，企业的财务状况不乐观，经营状况出现问题；当 Z∈(1.81,2.675)时，财务状况处于“灰色中间地带”，说明企业的经营状态和财务状况均不稳定。Altman 和 Haldeman (l977)[4]提出了基于 Z 模型的ZETA 模型，这种模型包括 7 项财务比率，对企业财务危机的预测更准确。通过同样的的样本对 ZETA 模型和 Z 模型进行对比分析表明 ZETA 模型的预测效果比较好。多元判别分析虽然应用较广，但是也存在着一些问题，包括对预测变量的分布性质涵盖了某些统计方法的限制，比如财务比率需服从正态分布，而且无法有效处理一些虚拟变量，样本选择偏差有时会对模型分类结果影响较大。
……….
第二章 财务预警理论基础及预警指标体系构建
2.1 财务危机定义
引发企业陷入财务危机的原因是多样的，其表现也不尽相同，而对于企业是否处于危机状态的判断也往往是与研究者根据研究内容和目的确定的不同选择标准有关，出现了不同财务危机的狭义界定。国内外目前还未有一种权威的界定标准，很多研究者因为受限于实证研究样本的范围，定义了多种描述财务危机的方法。其中国外对财务危机的界定有两种模式：第一种模式是将宣告破产的企业定义为财务危机企业，目的是明确的标识和区分不同类别的样本企业，例如 Deakin(1972)[35]将财务危机公司定义为已经破产、无法偿债或为债权人清算的公司；第二种模式是考虑财务危机有轻重之分，如Beaver W(1966)[36]认为企业财务危机表现在银行的透支、优先股股利未支付、违约债券及破产宣告，Ross(1999)[37]进一步从法定破产、企业失败、会计失败和技术失败这四个方面定义了企业财务危机。尽管西方学者将“破产”作为企业财务危机的标志，但对于中国市场现实而言，我国的退市制度尚不完善，将“破产”作为我国上市公司财务危机研究的基础是不合适的，普遍的观点认为财务危机是“企业财务危机的出现是因为财务运作失败导致财务状况恶化的一系列动态结果”[38]。企业财务危机是一个连续的动态发展过程，其程度具有轻重之分，既包括短期流动性不足引起的财务困难，又包括企业破产等极端情况，可以通过不同的财务指标表现特征进行度量和预警。本研究将特别处理（ST）作为我国财务危机发生的标志，以上市公司作为研究样本，其原因有：第一，根据我国被 ST 上市公司规定，ST 是指境内上市公司连续二年亏损或年每股净资产低于股票面值而被进行特别处理的股票，这与企业出现财务危机时，盈利能力显著下降的特征基本一致；第二，上市公司代表性强且财务资料数据容易获取；第三，“特别处理”即 ST 是客观发生的事件，存在较高的可度量性。
……….
2.2 财务危机预警
企业财务危机预警是以企业的财务报告以及其他可以获取的公开的相关信息为依据，观测先前设置的显著差异变量或综合因素的变化情况，对企业潜在的或要显现的财务危机实行实时监测和预报[39]。由此看出，财务预警不仅针对出现的财务危机，而且还要对偏离了企业财务预期目标的状况进行预警。财务预警模型通过定性因素和定量变量确定其财务状况，并根据预测结果对企业是否发生危机进行判别，及时预告企业管理者，采取有效防范策略和措施。偏重利用外来因素的冲击解释公司破产，如 Edward NortonLorenz(1963)[40]的混沌理论认为系统初始条件的某一因素发生微小变化，经过运行会对系统产生累加性影响，当这种干扰积累到一定程度时，导致系统未来的均衡状态出现偏差。对企业而言，外在不可控的干扰因素会致使整个企业系统失衡，因此企业在初始阶段就要对财务状况严格监控，否则会出现财务危机。Saunder(1980)[41]通过灾害理论研究美国银行破产问题，究其原因是管制机构的行为引起银行破产，说明某些具体的经济问题如消费者偏好、市场环境等都会对企业产生影响。
………
第三章 短期动态财务危机预警研究.........19
3.1 预警基础模型........ 20
3.1.1 灰色预测模型...... 20
3.1.2 BP 神经网络........ 21
3.2 基于灰色-BP 神经网络模型的构建...... 22
3.3 预警模型的实际应用..... 32
3.4 本章小结......... 32
第四章 长期动态财务危机预警研究.........35
4.1 Logistic 回归模型........... 35
4.2 基于 Logistic-BP 神经网络模型的构建 ....... 36
4.3 预警模型的实际应用..... 51
4.4 本章小结......... 55
第五章 研究结论与展望 ..........57
5.1 研究结论......... 57
5.2 研究展望......... 58
第四章 长期动态财务危机预警研究
本章研究综合 Logistic 回归方法与 BP 神经网络机制，引入多期（T-2 期和 T-3 期）面板数据为研究样本。首先，对预警指标数据分别进行显著性检验和主成分分析提取影响财务状况的综合因子；然后，将 T-2 期和 T-3 期提取的综合因子分别进行 logistic 回归预测，得到预测值 PT-2和 PT-3，并将这两期预测值代入 BP 神经网络中进行训练，建立高新技术制造企业的长期动态财务危机预警模型；最后，结合训练样本和检验样本的判别检验结果，验证该模型具有较高的预警精度和适用性。本文将 Logistic 回归分析和主成分分析相结合，分别建立了高新技术制造业上市公司 T-2 期和 T-3 的财务危机预警模型，建模步骤如下：首先对初选预警指标数据进行显著性检验，然后对筛选数据进行主成分分析；其次，构建 Logistic 回归模型，模型的解释变量为主成分因子，采用 SPSS17.0 进行 Logistic 回归分析；最后得到各个企业分别在 T-3 和 T-2 期发生财务危机的概率 P 值；最后将 T-2 期和 T-3 期的 Logistic 回归结果 P值输入到 BP 神经网络中对企业财务状况进行综合预测。财务危机预警的实际有效期为发生财务危机的前三年，虽然 T-1 年财务数据的时效性较强，预测结果的准确率高，但根据我国上市公司财务年报的披露，T-1 年财务报告的公布所决定上市公司在 T 年是否被特别处理，所以用 T-1 年数据建模缺乏真实性与可比性，所以在实际预测中的应用价值不高。财务危机的形成是一个连续的动态过程，越早发现财务危机的萌芽，就可以避免再次亏损。因此，本章选定 T-2 和 T-3 作为财务预警年度。
………..
结论
本文通过对国内外财务危机预警研究文献进行综述的基础上，理论联系实际，以深沪两市所有高新技术制造业上市公司为研究样本，按照1:n的配对原则对样本进行配对，选取 26 个财务指标变量和 10 个非财务指标变量构建预警指标体系，全面反映了企业的财务状况和经营状况。首先，从企业财务发展的短期时效性考虑，选取 2011-12-31、2012-3-31、2012-6-30 和 2012-9-30 的季度数据利用灰色 GM(1,1)来预测 2012-12-31 的相关财务数据，并将预测数据代入训练好的 BP 神经网络中对企业短期财务状况进行研究，通过对比 ST 与非 ST 企业的财务指标预测值，验证模型的有效性，同时通过实证研究验证了模型的可行性；然后，从企业财务发展的长期角度考虑，选取 T-2 和 T-3 期年度面板数据，通过统计分析和主成分分析，分别提取了 T-2 期和 T-3 期的 6 个综合指标建立基于 Logistic-BP 神经网络模型，利用训练样本和检验样本对企业模型的预测能力进行判别，并通过实例研究验证模型的可行性；通过构建和分析上市公司长期和短期财务危机预警模型，得出以下结论：
（1）通过对初选指标变量进行显著性分析，独立性检验及主成分分析，将大量繁杂且相互影响的指标数据进行整合处理，精简了预警指标。本文实证研究模型是建立在预警指标的基础上，对样本的判别能力较好，能比较显著的反映 ST 公司与非 ST 公司的差异，客观上说明预警指标体系包含了企业财务状况的有效信息，具有一定的合理性。
（2）通过对季度样本财务数据进行灰色建模预测出新一期的预警指标，将预测值代入训练好的 BP 神经网络中对企业财务状况进行判断对比。灰色预测模型可以挖掘出财务指标时序序列蕴含的纵向隐含信息，进行趋势性分析，实现近时点的预测，有助于提早发现潜在的财务风险；BP 神经网络通过分析企业财务指标与财务状况之间的非线性关系进行横向评价。灰色-BP 神经网络模型综合了纵向预测和横向评价的特点，实证表明此模型具有较高的预警精度和时效性，能够及时反映财务状况的发展趋势，实现企业短期财务危机动态预警。
............
参考文献（略）