未来智讯 > 神经网络论文 > 基于神经网络与逻辑回归的财政危机预警切磋
    基于神经网络与逻辑回归的财政危机预警切磋作者:未知  摘要:文章以2014~2017年制造业上市公司ST企业为切磋对象,并以1:2比率采用配对样本,针对T-3年的财政数据目标进行模子的构建与剖析。了局证明虽然人造神经网络与逻辑回归都有不错的展望效率,但逻辑回归剖析的了局正确率更高,可评释性更强。
  关头词:逻辑回归;神经网络;财政预警
  一、引言
  关于财政危机预警的定量切磋,一直是近几十年来国表里财政界学者的热门话题。20世纪30年月Fitzpatrick初次提议单变量FDP模子,之后由Beaver提议单变量剖断模子正式崛起。
  跟着信息技艺和数据库技艺的成长,数据发掘技艺成为了构建财政危机预警的首要东西。Odom初次将人造神经网络引入FDP范畴,了局发现行使神经网络构建的财政预警模子有较好的展望才力。我国粹者吴世农、卢贤义运用Fisher线性剖断剖析、多元线性回归剖析和Logistic回归剖析三种要领,离别设立三种财政困境展望模子并进行比力剖析,了局证明Logistic模子的剖断正确性最高。
  为了袪除传统财政目标的单方性,后有不少学者将一些非财政目标引入财政危机预警模子中。Beaver在切磋中提议了反映股价的信息变量;刘小淇等在预警模子中引入股权布局等非财政变量;张婉君、罗威将董事会规模等非财政因素引入到传统的财政预警模子中,并进行Logistic回归剖析,在必然水平上提高了预警正确率。李树根阐明了人造神经网络应用于财政危机预警的理论依据与基本构思,设立了BP神经网络模子,为财政预警供给了有用参考。
  本文在前人切磋的根本上,运用Logistic回归和人造神经网络对制造业上市公司进行预警切磋。
  二、切磋设计
  (一)样本采用和数据起原
  1. 样本的采用。本文切磋的样本选用2014~2017年度初次被出格处置的上市公司,包罗*ST公司和ST公司。采用深沪证券业务所A股制造业上市公司作为样本组,对数据预处置后最后采用财政危机企业42家,同时按照1:2的比率采用正常经营的制造业A股上市公司作为配对样本组,最后确定总样本数目126家。
  2. 数据起原。本文的切磋数据首要来自深、沪证券业务所官网和国泰安数据库(CSMAR)。设定被特殊处置昔时为T年,本文采用上市公司被ST或*ST之前的T-3年度的截面数据进行展望切磋,能使企业在呈现危机先兆时提高警惕,防患于未然,故更具有实际意义和应用价值。
  (二)展望目标的采用
  本文在反映企业盈利才力、偿债才力等这些传统的财政目标的根本上,采用了反映上市公司本钱状态、现金流量状态和股东获利才力的目标,共采用了28个目标变量。
  (三)模子设计
  1. Logistic回归模子的设计
  Logistic回归是广义线性回归的一种统计要领,具有普遍且适用的用途。它数度快、便于领会,对付二分类模仿性好。Logistic回归模子为:
  其机关的财政危机预警展望模子为:
  将企业是否财政危机设为因变量,企业财政危机设为1,财政康健设为0,进行Logistic模子的测试与检讨。
  2. 人造神经网络模子的设计
  人造神经网络是模拟人脑神经布局的一种技艺,近年来常被应用于企业危机预警方面。一个基本的神经网络模子由输入层、隐含层和输出层三个布局构成,离别对应警兆、警情和警度。三层网络布局的特点相符预警系统,是以适合用于进行财政预警模子构建。
  三、实证剖析
  本文运用SPSS Modeler统计软件中的Logistic模子和神经网络模子离别对制造业上市公司T-3年的财政目标数据进行剖析,将样本数据按7:3比率分为训练集和测试集。将企业是否财政危机设为指标变量,财政状态异常的企业取值为1,财政状态正常的企业取值为0。
  (一)基于Logistic回归的财政危机预警模子构建
  用SPSS Modeler软件运行Logistic算法进行主效应剖析,经逻辑模子检讨后了局显示模子的拟合效率很好。Logistic回归财政预警模子的剖析了局如表2所示。
  表2中,B为变量系数;S.E为尺度差;Wald为Wald得分;df为解放度;Sig为陪同几率。从表2能够看出,与企业是否陷入财政危机的首要因素为X1、X2、X4、X5、X9和X10,由此能够获得Logistic预警模子为:
  由表3可知,运用Logistic回归模子对上市公司T-3年的财政数据进行剖析获得展望正确率为84.27%,测试准确正确率也到达了78.38%,具有较好的展望效率。
  (二)人造神经网络模子的构建与Logistic回归模子的比力
  由表4可知,人造神经网络模子进行财政危机预警展望的正确率为78.65%,测试集正确率也惟有75.68%,都低于用Logistic回归要领預测的正确率,是以Logistic回归比神经网络具有更好的拟合度和展望正确度,在展望企业财政危机正确性、运行效果以及可评释性方面都具有必然的上风。
  四、结论
  本文在传统的财政目标的根本上引入反映企业本钱状态、现金流量状态和股东获利才力的目标进行综合剖析,使得目标系统更具有展望性。运用经典的Logistic回归要领和人造神经网络要领设立制造业上市公司财政预警模子,采用T-3年的目标数据进行剖析使得切磋更具有实际意义。议决对照剖析,得出Logistic回归要领更适合二分类下企业财政危机预警的结论。是以本文的切磋在实际中有必然的应用价值。
  参考文献:
  [1]FITZPATRICK P. J. A Comparison of The Ratios of Successful Industrial Enterprises with Those of Failed Firms[J]. Certifies Public Accountant,1932(05).
  [2]BEAVER W H.Financial rations as predictors of failures[J].Journal of Accounting Research,1966(01).
  [3]ODOM M D,SHARDA R. A Neural Network Model for Bankruptcy Prediction[C].International Joint Conference on Neural Networks.IEEE,1990.
  [4]吴世农,卢贤义.我国上市公司财政困境的展望模子切磋[J].经济切磋,2001(06).
  [5]刘小淇,曾繁荣,周鸿.基于非财政视角的上市公司财政困境预警切磋——基于主成分逻辑回归的要领[J].财会通信,2015(06).
  [6]张婉君,罗威.引入非财政目标的财政危机预警切磋——以我国制造业上市公司为例[J].财务监督,2016(01).
  [7]李树根.基于BP神经网络的财政预警要领探讨[J].中国经管信息化(管帐版),2007(11).
  (作者单元:上海工程技艺大学)
转载请注明来源。原文地址:https://www.7428.cn/page/2020/0405/87317/
 与本篇相关的热门内容: