论文部分内容阅读
高新技术制造业是制造业的主力军,具有高技术含量及高附加值两个特点,对高新技术制造企业进行财务预警研究,能够帮助高新技术制造企业避免财务危机,保障高新技术企业的良性经营,进而促进国民经济发展。本文回顾和总结了国内外财务预警研究文献,对比分析各类研究的优缺点,认为基于人工智能的组合模型是现代财务预警研究的有效方法。在界定财务危机概念时,结合我国上市公司实际情况,将公司被ST(特别处理)作为陷入财务危机的标志。以高新技术制造业上市公司为研究对象,根据预警指标体系的构建原则和高新技术制造企业的行业特点,构建了适用于高新技术制造企业的财务预警指标体系。由于企业财务危机的出现是一个连续的动态发展过程,本文从短期与长期两个角度出发对高新技术制造业上市公司进行财务危机预警研究。其中,短期动态预警是以季度为单位,将上市公司的季度财务面板数据引入综合灰色预测GM(1,1)和BP神经网络的动态模型中来判断公司财务状况,并以“思达高科”上市公司作为实例进行模型的应用,结果表明基于灰色-BP神经网络模型能有效反映公司财务状况的发展趋势,时效性较强;长期动态预警是以年度为单位,将发生危机前两年和前三年(T-2期和T-3期)的财务面板数据引入基于Logistic-BP神经网络模型中进行动态预警,将预测结果与一般Logistic回归分析和BP神经网络模型比较,证明Logistic-BP神经网络预警模型更能体现财务危机的发生机理,并以“新华制药”上市公司作为实例进行模型的应用,结果证明了模型的有效性,体现了模型较高的预警精度。本文的主要研究结论如下:一、根据不同行业的特点选取适当的财务预警指标,并对预警指标进行筛选和精简是建立有效预警模型的前提;二、本文针对高新技术制造业上市公司构建的短期财务预警模型和长期财务预警模型,均具有较高的预警精度,企业可以根据相应指标的变化及时了解财务状况,做出合理的判断,最终通过理性决策来避免财务危机;三、通过对财务预警指标的时序数据进行分析,将短期与长期结合、静态与动态结合构建的财务预警模型可以充分挖掘企业财务信息,及时有效的反映财务状况的发展趋势,实现企业财务危机动态预警;四、合理集成各个单一预测方法的混合分析模型能够发挥各个方法的优势,提高模型的泛化能力,是未来创新研究的趋势。