基于神经网络方法的财务风险识别（5页）.doc

摘要：本文利用上市公司披露的信息数据库为平台，将神经网络方法应用于财务风险识别。实证结论表明：我们不仅把模型的仿真度提高到100%，而且显著提高了财务状况特征识别的准确率。从而克服了国内以往的数据挖掘研究极大忠诚于外国文献、重理论轻实践的缺点，生动、形象地展现了基于神经网络方法的知识发现过程。
关键词：上市公司、财务风险识别、神经网络
一、引言
在我国的证券市场上，监督上市公司的一个重要的手段就是信息披露，通过信息披露我们可以知道上市公司的财务状况、经营情况、现金流量以及经营决策等有利于外界了解公司、分析公司的信息。投资者通过这些信息决定是否投资，债权人通过这些信息评估债务人的信用，税收部门通过这些信息保证国家税收收入，政府监管部门通过这些信息维护健康的市场环境。所有这些，都需要利用公司的财务报告数据来评价公司的业绩和财务状况，有关这方面的研究已有久远的历史。Fitzpartrick（1932）进行了一项单变量的破产预测研究，他以19对破产和非破产公司作为样本，运用单个财务比率将样本划分为破产和非破产两组，发现判别能力最高的是净利润/股东权益与股东权益/负债这两个比率。但一直到1966年才有人沿着他的这条思路继续研究财务危机的预测问题。Beaver（1966）提出了单变量判定模型，他首先使用5个财务比率作为变量，分别对79家经营失败和79家经营成功的公司进行了一元判定预测，发现现金流量/负债总额能够最好地判定公司的财务状况（误判率最低），其次是资产负债率，并且离经营失败日越近，误判率越低，预见性越强。1968年，美国学者Altman博士首次利用多元判别分析对财务危机预测进行了研究，他对美国的破产和非破产的生产企业进行观察，采用了22个财务比率，经过数理统计筛选建立了著名的5变量Z值模型，根