论文部分内容阅读
高新技术企业的发展,对于促进经济增长和产业升级、提高国家核心竞争力等方面的作用是不言而喻的。随着“创新驱动发展”国家战略的深入实施和我国产业结构的不断升级,我国高新技术企业作为科技转化生产的重要组成部分,迎来了巨大的发展机遇。该类企业的优势在于发展迅速、更新换代频率高、收益高等,与这些优势相伴而生的是企业成长过程中的高风险特性。对于高新技术企业这一特定的高风险行业,如何构建科学的、行之有效的财务危机预警模型,帮助市场管理部门、高新技术企业本身和投资者提前识别风险隐患并及时制定预防措施具有十分重要的作用。基于以上分析和认识,本文以沪深二市A股中的高新技术企业作为研究对象,以企业是否因为“两年亏损”等财务原因被“ST”作为划分危机类企业和健康类企业的的标准,共筛选出2017年-2019年间的270个高新技术企业作为实证样本。在特征指标选择上,初步选取了涵盖高新技术企业信息的31项财务指标,进而利用正态性检验、Mann-Whitney U检验和相关性分析对31项涵盖财务信息的指标做进一步选择,最终保留了21项指标作为模型的输入特征指标。此外,本文选择G值、少数类的F值和预测准确率Acc值作为模型的评价指标,并运用5折交叉验证方法划分模型的训练集和测试集。在此基础上,考虑到SVM模型能克服传统统计学模型存在的假设条件严苛、需求样本量较大、计算相对复杂等缺点,因此以SVM模型作为决策模型,建立基于SVM的财务危机预警模型,对核函数的选择对预测结果的影响进行研究讨论。进一步,由于SVM模型在预测时结果容易偏向多数类样本,导致模型对于少数类样本的预测精度不足,本文又引入过采样技术中的Borderline-SMOTE方法构建了Borderline-SMOTE-SVM模型,以此来解决传统SVM对于非均衡样本预测能力不足的问题,通过大量实证研究对Borderline-SMOTE-SVM模型的预测性能和稳定性进行分析,得出以下结论:(1)基于SVM模型,通过使用常见的四种核函数:Linear、Polynomial、RBF和Sigmoid进行预测实验,本文的结果表明:在Kernel Function的实验上,基于Polynomial核的SVM预警能力要优于Linear、RBF和Sigmoid,同时Polynomial核函数与另外三种核函数的预测结果的配对样本T检验结果均在5%显著性水平上显著。上述结果可以得出:在运用SVM对高新技术企业进行财务危机预警研究时,Polynomial核是最优核函数。(2)通过引入Borderline-SMOTE构建改进的SVM模型之后,在Borderline-SMOTE-SVM模型的预测实验中得到Polynomial核函数依旧有着比Linear、RBF和Sigmoid更好的预测性能,也进一步印证了前文结论。(3)将Borderline-SMOTE-SVM模型与单一SVM、BPNN、KNN、BAYES等模型进行预测精度比较与稳健性分析,结果证明Borderline-SMOTE-SVM模型在处理非均衡样本的问题上拥有着比传统的SVM、BPNN、KNN和BAYES模型更好的预测效果。(4)在不同比例的样本集下,Borderline-SMOTE-SVM模型能够取得比传统SVM模型更好的预测性能,特别是在样本非均衡比例在1:2到1:10的区间内,模型能够取得较为稳定的预测结果,且预测性能也能保持在较高水准。基于以上实验结果,本文认为基于Borderline-SMOTE-SVM的财务危机预警模型是能对我国沪深A股高新技术企业进行预警的有效工具,该模型能够有效地对高新技术企业潜在的财务危机进行预警,是市场管理者、企业管理者和投资者的可操作工具。对于市场管理者而言,该模型能帮助市场监管者提前识别市场异常,从而及时制定合理宏观经济政策;对于企业管理者而言,该模型能帮助企业管理者科学有效地对自身财务情况进行预警分析,为公司的发展扩张保驾护航;对于市场投资人而言,该模型能帮助投资者提前对有财务危机的企业作出识别,从而做到及时规避投资风险,实现资产保值升值的作用。