论文部分内容阅读
[摘要] 通过对超市财务风险分析和指标的选取，构建基于BP神经网络的超市财务风险预警模型，利用MATLAB数学分析软件对模型进行训练和仿真实验，预测超市的财务风险。
[关键词] 超市财务 风险预警 BP神经网络
财务管理贯穿于超市管理的全部过程，既是超市管理的突破口，又是超市运行的控制点，也是超市发展的落脚点，超市财务风险是急需研究和防范的重要课题。本文建立了超市财务风险预测指标体系，采用BP神经网络的研究方法，完成了对指标体系的风险预测模型的建立，并通过MATLAB神经网络工具箱对建立的BP网络模型进行训练和仿真实验，用以预测超市的财务风险。
一、超市财务风险分析
超市的财务活动贯穿于超市营销的整个过程，筹措资金、长短期投资、分配利润等都可能产生风险，根据风险的来源可以将财务风险划分为：
1.筹资风险
由于资金供需市场、宏观经济环境的变化，超市筹集资金给财务成果带来的不确定性。筹资风险主要包括利率风险、再融资风险、财务杠杆效应、汇率风险、购买力风险等。
2.投资风险
超市投入一定资金后，因市场需求变化而影响最终收益与预期收益偏离的风险。超市对外投资主要有直接投资和证券投资两种形式。投资风险主要包括利率风险、再投资风险、汇率风险、通货膨胀风险、金融衍生工具风险、道德风险、违约风险等。
3.经营风险
经营风险又称营业风险，是指在超市的经营过程中各个环节不确定性因素的影响所导致超市资金运动的迟滞，产生超市价值的变动。经营风险主要包括采购风险、存货变现风险等。
4.存货管理风险
超市保持一定量的存货对于其进行正常经营来说是至关重要的，但如何确定最优库存量是一个比较棘手的问题，存货太多会导致产品积压，占用企业资金，风险较高；存货太少又可能导致原料供应不及时，影响超市的正常销售，严重时可能造成商品短缺，影响企业的信誉。
5.流动性风险
流动性风险是指超市资产不能正常和确定性地转移为现金或企业债务和付现责任不能正常履行的可能性。从这个意义上来说，可以把超市的流动性风险从企业的变现力和偿付能力两方面分析与评价。由于超市支付能力和偿债能力发生的问题，称为现金不足及现金不能清偿风险。由于超市资产不能确定性地转移为现金而发生的问题则称为变现力风险。
二、超市财务风险的成因
超市财务风险产生的原因很多，既有超市外部原因，也有超市自身的原因，而且不同的财务风险形成的具体原因也不尽相同。超市产生财务风险的一般原因有以下几点：
1.超市财务管理的宏观环境复杂多变，而超市管理系统不能适应复杂多变的宏观环境
超市财务管理宏观环境的复杂性是超市产生财务风险的外部原因。财务管理的宏观环境包括经济环境、法律环境、市场环境、社会文化环境、资源环境等因素，这些因素存在企业之外，但对企业财务管理产生重大的影响。宏观环境的变化对超市来说是难以准确预见和无法改变的，宏观环境的不利变化必然给超市带来财务风险。财务管理环境具有复杂性和多变性，外部环境多样化可能为企业带来某种机会，也可能使超市面临某种威胁，而给超市理财带来困难。目前，我国许多超市建立的财务管理系统，由于机构设置不尽合理，管理人员素质不高，财务管理规章制度不够健全，管理基础工作不够完善等原因，导致超市财务管理系统缺乏对外部环境的适应能力和应变能力，具体表现在对外部环境不利变化不能进行科学的预见，反应滞后，措施不力，由此产生财务风险。
2.超市财务管理人员对财务风险的客观性认识不足
财务风险是客观存在的，只要有财务活动，就必然存在着财务风险。然而在现实工作中，许多超市的财务管理人员缺乏风险意识。风险意识的淡薄是财务风险产生的重要原因之一。
3.财务决策缺乏科学性导致决策失误
财务决策失误是产生财务风险的又一主要原因。避免财务决策失误的前提是财务决策的科学化。目前，许多超市的财务决策都存在经验决策及主观决策现象，家长制、一言堂的工作作风在超市的管理中仍然普遍存在。由此导致的决策失误经常发生，从而产生财务风险。
4.超市内部财务关系不明
这是超市产生财务风险的又一重要原因，超市与内部各部门之间及超市与上级企业之间，在资金管理及使用、利益分配等方面存在权责不明、管理不利的现象，造成资金使用效率低下，资金流失严重，资金的安全性、完整性无法得到保证。
三、基于BP网络的风险预测模型构建
1.超市财务风险预测指标体系建立
超市财务风险分析是确定风险预测指标体系的前提和基础，预测指标体系又是进行风险评估分析的依据，一个科学的预警指标体系对风险预警是至关重要的。
（1）超市财务风险指标选取原则
根据指标选择原则建立的超市财务风险预测指标体系，是能在不同方面反映超市财务经营中财务风险活动趋势，故选取超市财务风险预测指标应遵循如下原则:
第一，指标的重要性。所选取指标必须在衡量超市财务活动方面具有重要性，所选的多个指标的综合必须表示超市财务活动的主要矛盾现象。
第二，指标的先行性。所选取的指标特征量要与超市运营状况大体一致或略有超前性，能敏感地反映超市财务风险的发生或发展动向。同时指标要能针对财务风险某种状态进行分析、预测，分析其运动趋势及可能带来的影响。
第三，指标的目的性。所选取的指标从不同角度、不同层次系统全面地反映超市活动多重财务风险的状态，从而达到财务风险预测体系的预测目的。
第四，指标的可比性。所选取的指标应一方面可以通过科学合理的转换，指标体系能反映出财务风险的总体状况;另一方面又能够在各超市企业之间具有一定的可比性。
第五，指标的操作性。所选取的指标要与国际惯例接轨，同时又符合我国超市的发展水平现状;各项指标应该力求能从广泛的经济数据中获取相关的可靠信息，要求数据来源确凿可靠，推理过程科学合理，易于量化，适于操作，并且指标间的相关性较弱。
(2）超市财务风险指标的选取
依据上述的指标选取原则，本文选取总资产、主营业务收入、股东权益（不含少数股东权益）、净利润、扣除非经常性损益后的净利润、每股收益、净资产收益率(%)、每股经营活动产生的现金流量净额、每股净资产、调整后的每股净资产、扣除非经常性损益后的净资产收益率(%)11个指标用来构建超市财务风险指标体系，如下表所示。
表 超市财务风险指标数据（单位：人民币元）
2.基于BP网络的超市风险预测模型的构建
本文运用前向三层BP网络技术，它由输入层、中间层、输出层组成。中间层位于输入层和输出层之间，作为输入模式的内部表示，对一类输入模式所包含的区别于其他类别的输入模式的特征进行抽取，并将抽取出的特征传递给输出层，由输出层对输入模式的类别作最后的判别。因此，也可以把中间层称为特征抽取层。中间层的输入模式进行特征抽取的过程，实际上也就是对输入层与中间层之间连接权进行“自组织化”的过程。在网络的训练过程中，各层之间的连接权起着“传递特征”的作用。各连接权从初始的随机值逐渐演变，最终达到能够表征输入模式性的过程，就是“自组织化过程”。
（1）输入节点的确定
前面已经对超市财务风险及其评价指标进行了系统的分析。在基于神经网络设计超市财务风险评价模型时，网络输入应为全面描述超市财务风险的指标。因此，不同的超市财务风险的指标体系对应不同的网络模型，也形成不同的输入节点数，输入节点数等于风险指标数。由超市财务风险指标体系可知，超市财务风险包括总资产、主营业务收入、股东权益(不含少数股东权益)等11个指标。所以，确定输入节点数为11个。
（2）输出节点确定
输出节点确定对应于评价结果，输出为[-1]表示财务存在风险；为[1]表示财务风险问题不明显；为[0]表示财务不存在风险。因此，输出节点数为3个。
（3）隐层节点确定
理论上已经证明，对于任何闭区间内的一个连续函数都可以用一个隐含层的BP网络来逼近，因而一个二层的BP网络可以完成任意的n维到m维的影射。为了避免因为隐含层的增加而导致的训练时间的急剧增加和局部最小误差的增加，本文选择采用隐含层数为一层。
就BP网络而言，当隐含层神经元数目过多时，优点是表现能力强，缺点是网络结构庞大，在训练时效率不高，学习时间长，泛化能力下降，误差不一定最佳;学习后网络结构复杂，物理意义不明确。当隐含层神经元数目过少时，优点是学习时间短，学习后网络结构简单。缺点是表现力不足，网络不具备必要的学习能力和信息处理能力，容错性差，出现学习误差下降缓慢甚至不收敛的现象。由于神经网络的巨量并行分布结构和非线性动态特性，要想从理论上得到一个简单通用的隐含层单元确定公式是十分困难的。然而，通过广泛和长期的应用过程所得的一些定性结论会有助于合理安排隐含层的单元数，因此结合文中实际情况，可参考下面公式来确定隐含层单元个数。
其中，n1为隐层节点数，m为输入层节点数目，n为输出层节点数目，a为1-10之间的常数。因此，隐层节点数确定为6。
3.面向MATLAB的BP网络财务风险预测模型仿真
（1）BP网络的训练
已经对超市的财务建立起合适的BP网络风险预测模型，下面对网络进行训练。在批处理模式中，网络训练所用的样本需要进行一次性输入，然后再调整网络权值和域值，梯度的计算也是由所有的样本数据参与的。
BP算法的主要缺点是：收敛速度慢、局部极值、难以确定隐层和隐层节点数。在实际中BP算法很难胜任，所以本文采用改进的BP算法:自适应lr的梯度下降法。对于梯度下降法，学习速率对于整个网络训练过程有很大的影响，训练成功与否与学习率的选取关系很大。如果在训练过程中合理地改变学习率，会避免很多缺陷。有自适应lr的学习算法能够自适应调整学习率，从而增加稳定性，提高速度和精度。
有自适应lr梯度下降法的训练函数为traingda，与函数traingda有关的训练参数有：epochs、goal、lr、max_fail、min_grad、show、time、lr_inc、lr_dec、max_perf_inc。
net.trainParam.epochs 最大训练次数（缺省为10）
net.trainParam.goal 训练要求精度（缺省为0）
net.trainParam.lr 学习率（缺省为0.01）
net.trainParam.max_fail 最大失败次数（缺省为5）
net.trainParam.min_grad 最小梯度要求（缺省为1e-10）
net.trainParam.show显示训练迭代过程（缺省为25）
net.trainParam.time 最大训练时间（缺省为inf）
net.trainParam.lr_inc学习率lr增长比（缺省为1.05）
net.trainParam.lr_dec学习率lr下降比（缺省为0.7）
net.trainParam.max_perf_inc表现函数增加最大比（缺省1.04）
设超市2003年为无风险[0]、2004年为风险不确定[1]、2005年为风险存[-1]训练该网络。
利用Matlab平台对风险预测模型进行训练时，在确定输入值和期望输出后，可以直接调用traingda函数进行训练。建立一个M文件，根据超市财务指标数据，在界面输入：
p=[1370518362.53 1640751155.19 1525961728.59;
4014089223.76 3836481696.24 2945931106.78;
369411872.73 1003965481.61 928812204.30;
61986561.39 34629345.85 -40158466.41;
64771918.27 35294602.11 -36198401.28;
0.402 0.158 -0.153;
2.394 4.587 3.537;
2.21 4.510 3.467;
16.78 3.45 -4.32;
-0.899 1.674 0.422;
17.63 12.33 -1.69];
t=[0 1 -1];
net =newff(minmax(p),[6,1],{'tansig','purelin'},'traingda');
net.trainParam.show=25;
net.trainParam.lr=0.01;
net.trainParam.lr_inc=1.05
net.trainParam.epochs=10000;
net.trainParam.goal=1e-10;
[net,tr]=train(net,p,t);
然后运行，在Matlab的显示界面出现：
TRAINGDA, Performance goal met.
当得到上面的目标已经达到的提示语句，并且训练的动态图像如下图所示时，
图网络训练的误差变化曲线
说明网络已经训练成功，然后输入
>> a=sim(net,p)
检测得到结果
a =
0.00001.0000 -1.0000
该输出与期望输出（超市2003年为无风险[0]、2004年为风险不确定[1]、2005年为风险存[-1]）一致，证明网络训练成功。
（2）BP网络的仿真
通过上面的操作，网络已经训练完毕。下面采用超市的指标数据来预测其财务风险。
建立M文件：
p=[1370518362.53 1640751155.19 1525961728.59;
4014089223.76 3836481696.24 2945931106.78;
369411872.73 1003965481.61 928812204.30;
61986561.39 34629345.85 -40158466.41;
64771918.27 35294602.11 -36198401.28;
0.402 0.158 -0.153;
2.394 4.587 3.537;
2.21 4.510 3.467;
16.78 3.45 -4.32;
-0.899 1.674 0.422;
17.63 12.33 -1.69];
t=[0 1 -1];
net =newff(minmax(p),[6,1],{'tansig','purelin'},'traingda');
net.trainParam.show=25;
net.trainParam.lr=0.01;
net.trainParam.lr_inc=1.05
net.trainParam.epochs=10000;
net.trainParam.goal=1e-10;
[net,tr]=train(net,p,t);
p1=[1136396053.74 1239715404.88 1409789929.12;
3247882437.11 3666443133.78 1375289142.14;
244339457.08 311421437.68 909325535.98;
50070042.75 66925122.63 -16970171.41;
51290204.49 68041237.90 -11084934.90;
0.325 0.434 -0.065;
20.49 21.49 -1.87;
-0.403 1.617 -0.55;
1.584 2.019 3.462;
1.012 1.193 3.385;
22.96 24.48 16.35];
运行后，在界面输入
>> a=sim(net,p1)
得结果，2001年和2002年的财务风险存在[-1]，而2006年则显示出财务风险不明确[1]。
四、结束语
统计资料显示，近三年来，我国限额以上连锁零售集团(企业)以年均33.6%的速度递增，截至2006年末，已达到1055家，连锁门店数达54891个，营业面积和年销售额都比2004年有了成倍的增长。连锁零售集团(企业)总体规模迅速扩张的同时，单体规模也在增大。2006年门店在14个以上的连锁零售集团(企业)有507家，比2005年多60家。其中超过100个的由2004年末的55家、2005年末的73家增至2006年末的97家。但伴随着快速扩张、我国连锁零售企业的财务风险也逐渐暴露出来，据统计近一年半以来，我国已有150多家大型连锁超市倒闭。
为了减少超市财务的风险，提高超市的竞争能力，超市企业可以从以下几个方面着手：加强结算资金管理；加强存货控制；健全内部规章制度；实行全面预算管理；建立计算机分析和管理系统。
参考文献：
[1]宋明哲:现代风险管理[M]．北京：中国纺织出版社,2003
[2]严真红:我国企业财务风险的成因及其防范[J].江西财经大学学报，2004.4
[3]陈文浩 郭丽红:企业财务危机的原因分析[J].浙江财税与会计，2004.10
[4]唐晓云:略论企业财务风险管理[J].上海会计，2002.2
[5]Martin T. HaganHoward B. Demuth:神经网络设计[M]. 北京：机械工业出版社，2002
注：本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文。
[关键词] 超市财务 风险预警 BP神经网络
财务管理贯穿于超市管理的全部过程，既是超市管理的突破口，又是超市运行的控制点，也是超市发展的落脚点，超市财务风险是急需研究和防范的重要课题。本文建立了超市财务风险预测指标体系，采用BP神经网络的研究方法，完成了对指标体系的风险预测模型的建立，并通过MATLAB神经网络工具箱对建立的BP网络模型进行训练和仿真实验，用以预测超市的财务风险。
一、超市财务风险分析
超市的财务活动贯穿于超市营销的整个过程，筹措资金、长短期投资、分配利润等都可能产生风险，根据风险的来源可以将财务风险划分为：
1.筹资风险
由于资金供需市场、宏观经济环境的变化，超市筹集资金给财务成果带来的不确定性。筹资风险主要包括利率风险、再融资风险、财务杠杆效应、汇率风险、购买力风险等。
2.投资风险
超市投入一定资金后，因市场需求变化而影响最终收益与预期收益偏离的风险。超市对外投资主要有直接投资和证券投资两种形式。投资风险主要包括利率风险、再投资风险、汇率风险、通货膨胀风险、金融衍生工具风险、道德风险、违约风险等。
3.经营风险
经营风险又称营业风险，是指在超市的经营过程中各个环节不确定性因素的影响所导致超市资金运动的迟滞，产生超市价值的变动。经营风险主要包括采购风险、存货变现风险等。
4.存货管理风险
超市保持一定量的存货对于其进行正常经营来说是至关重要的，但如何确定最优库存量是一个比较棘手的问题，存货太多会导致产品积压，占用企业资金，风险较高；存货太少又可能导致原料供应不及时，影响超市的正常销售，严重时可能造成商品短缺，影响企业的信誉。
5.流动性风险
流动性风险是指超市资产不能正常和确定性地转移为现金或企业债务和付现责任不能正常履行的可能性。从这个意义上来说，可以把超市的流动性风险从企业的变现力和偿付能力两方面分析与评价。由于超市支付能力和偿债能力发生的问题，称为现金不足及现金不能清偿风险。由于超市资产不能确定性地转移为现金而发生的问题则称为变现力风险。
二、超市财务风险的成因
超市财务风险产生的原因很多，既有超市外部原因，也有超市自身的原因，而且不同的财务风险形成的具体原因也不尽相同。超市产生财务风险的一般原因有以下几点：
1.超市财务管理的宏观环境复杂多变，而超市管理系统不能适应复杂多变的宏观环境
超市财务管理宏观环境的复杂性是超市产生财务风险的外部原因。财务管理的宏观环境包括经济环境、法律环境、市场环境、社会文化环境、资源环境等因素，这些因素存在企业之外，但对企业财务管理产生重大的影响。宏观环境的变化对超市来说是难以准确预见和无法改变的，宏观环境的不利变化必然给超市带来财务风险。财务管理环境具有复杂性和多变性，外部环境多样化可能为企业带来某种机会，也可能使超市面临某种威胁，而给超市理财带来困难。目前，我国许多超市建立的财务管理系统，由于机构设置不尽合理，管理人员素质不高，财务管理规章制度不够健全，管理基础工作不够完善等原因，导致超市财务管理系统缺乏对外部环境的适应能力和应变能力，具体表现在对外部环境不利变化不能进行科学的预见，反应滞后，措施不力，由此产生财务风险。
2.超市财务管理人员对财务风险的客观性认识不足
财务风险是客观存在的，只要有财务活动，就必然存在着财务风险。然而在现实工作中，许多超市的财务管理人员缺乏风险意识。风险意识的淡薄是财务风险产生的重要原因之一。
3.财务决策缺乏科学性导致决策失误
财务决策失误是产生财务风险的又一主要原因。避免财务决策失误的前提是财务决策的科学化。目前，许多超市的财务决策都存在经验决策及主观决策现象，家长制、一言堂的工作作风在超市的管理中仍然普遍存在。由此导致的决策失误经常发生，从而产生财务风险。
4.超市内部财务关系不明
这是超市产生财务风险的又一重要原因，超市与内部各部门之间及超市与上级企业之间，在资金管理及使用、利益分配等方面存在权责不明、管理不利的现象，造成资金使用效率低下，资金流失严重，资金的安全性、完整性无法得到保证。
三、基于BP网络的风险预测模型构建
1.超市财务风险预测指标体系建立
超市财务风险分析是确定风险预测指标体系的前提和基础，预测指标体系又是进行风险评估分析的依据，一个科学的预警指标体系对风险预警是至关重要的。
（1）超市财务风险指标选取原则
根据指标选择原则建立的超市财务风险预测指标体系，是能在不同方面反映超市财务经营中财务风险活动趋势，故选取超市财务风险预测指标应遵循如下原则:
第一，指标的重要性。所选取指标必须在衡量超市财务活动方面具有重要性，所选的多个指标的综合必须表示超市财务活动的主要矛盾现象。
第二，指标的先行性。所选取的指标特征量要与超市运营状况大体一致或略有超前性，能敏感地反映超市财务风险的发生或发展动向。同时指标要能针对财务风险某种状态进行分析、预测，分析其运动趋势及可能带来的影响。
第三，指标的目的性。所选取的指标从不同角度、不同层次系统全面地反映超市活动多重财务风险的状态，从而达到财务风险预测体系的预测目的。
第四，指标的可比性。所选取的指标应一方面可以通过科学合理的转换，指标体系能反映出财务风险的总体状况;另一方面又能够在各超市企业之间具有一定的可比性。
第五，指标的操作性。所选取的指标要与国际惯例接轨，同时又符合我国超市的发展水平现状;各项指标应该力求能从广泛的经济数据中获取相关的可靠信息，要求数据来源确凿可靠，推理过程科学合理，易于量化，适于操作，并且指标间的相关性较弱。
(2）超市财务风险指标的选取
依据上述的指标选取原则，本文选取总资产、主营业务收入、股东权益（不含少数股东权益）、净利润、扣除非经常性损益后的净利润、每股收益、净资产收益率(%)、每股经营活动产生的现金流量净额、每股净资产、调整后的每股净资产、扣除非经常性损益后的净资产收益率(%)11个指标用来构建超市财务风险指标体系，如下表所示。
表 超市财务风险指标数据（单位：人民币元）
2.基于BP网络的超市风险预测模型的构建
本文运用前向三层BP网络技术，它由输入层、中间层、输出层组成。中间层位于输入层和输出层之间，作为输入模式的内部表示，对一类输入模式所包含的区别于其他类别的输入模式的特征进行抽取，并将抽取出的特征传递给输出层，由输出层对输入模式的类别作最后的判别。因此，也可以把中间层称为特征抽取层。中间层的输入模式进行特征抽取的过程，实际上也就是对输入层与中间层之间连接权进行“自组织化”的过程。在网络的训练过程中，各层之间的连接权起着“传递特征”的作用。各连接权从初始的随机值逐渐演变，最终达到能够表征输入模式性的过程，就是“自组织化过程”。
（1）输入节点的确定
前面已经对超市财务风险及其评价指标进行了系统的分析。在基于神经网络设计超市财务风险评价模型时，网络输入应为全面描述超市财务风险的指标。因此，不同的超市财务风险的指标体系对应不同的网络模型，也形成不同的输入节点数，输入节点数等于风险指标数。由超市财务风险指标体系可知，超市财务风险包括总资产、主营业务收入、股东权益(不含少数股东权益)等11个指标。所以，确定输入节点数为11个。
（2）输出节点确定
输出节点确定对应于评价结果，输出为[-1]表示财务存在风险；为[1]表示财务风险问题不明显；为[0]表示财务不存在风险。因此，输出节点数为3个。
（3）隐层节点确定
理论上已经证明，对于任何闭区间内的一个连续函数都可以用一个隐含层的BP网络来逼近，因而一个二层的BP网络可以完成任意的n维到m维的影射。为了避免因为隐含层的增加而导致的训练时间的急剧增加和局部最小误差的增加，本文选择采用隐含层数为一层。
就BP网络而言，当隐含层神经元数目过多时，优点是表现能力强，缺点是网络结构庞大，在训练时效率不高，学习时间长，泛化能力下降，误差不一定最佳;学习后网络结构复杂，物理意义不明确。当隐含层神经元数目过少时，优点是学习时间短，学习后网络结构简单。缺点是表现力不足，网络不具备必要的学习能力和信息处理能力，容错性差，出现学习误差下降缓慢甚至不收敛的现象。由于神经网络的巨量并行分布结构和非线性动态特性，要想从理论上得到一个简单通用的隐含层单元确定公式是十分困难的。然而，通过广泛和长期的应用过程所得的一些定性结论会有助于合理安排隐含层的单元数，因此结合文中实际情况，可参考下面公式来确定隐含层单元个数。
其中，n1为隐层节点数，m为输入层节点数目，n为输出层节点数目，a为1-10之间的常数。因此，隐层节点数确定为6。
3.面向MATLAB的BP网络财务风险预测模型仿真
（1）BP网络的训练
已经对超市的财务建立起合适的BP网络风险预测模型，下面对网络进行训练。在批处理模式中，网络训练所用的样本需要进行一次性输入，然后再调整网络权值和域值，梯度的计算也是由所有的样本数据参与的。
BP算法的主要缺点是：收敛速度慢、局部极值、难以确定隐层和隐层节点数。在实际中BP算法很难胜任，所以本文采用改进的BP算法:自适应lr的梯度下降法。对于梯度下降法，学习速率对于整个网络训练过程有很大的影响，训练成功与否与学习率的选取关系很大。如果在训练过程中合理地改变学习率，会避免很多缺陷。有自适应lr的学习算法能够自适应调整学习率，从而增加稳定性，提高速度和精度。
有自适应lr梯度下降法的训练函数为traingda，与函数traingda有关的训练参数有：epochs、goal、lr、max_fail、min_grad、show、time、lr_inc、lr_dec、max_perf_inc。
net.trainParam.epochs 最大训练次数（缺省为10）
net.trainParam.goal 训练要求精度（缺省为0）
net.trainParam.lr 学习率（缺省为0.01）
net.trainParam.max_fail 最大失败次数（缺省为5）
net.trainParam.min_grad 最小梯度要求（缺省为1e-10）
net.trainParam.show显示训练迭代过程（缺省为25）
net.trainParam.time 最大训练时间（缺省为inf）
net.trainParam.lr_inc学习率lr增长比（缺省为1.05）
net.trainParam.lr_dec学习率lr下降比（缺省为0.7）
net.trainParam.max_perf_inc表现函数增加最大比（缺省1.04）
设超市2003年为无风险[0]、2004年为风险不确定[1]、2005年为风险存[-1]训练该网络。
利用Matlab平台对风险预测模型进行训练时，在确定输入值和期望输出后，可以直接调用traingda函数进行训练。建立一个M文件，根据超市财务指标数据，在界面输入：
p=[1370518362.53 1640751155.19 1525961728.59;
4014089223.76 3836481696.24 2945931106.78;
369411872.73 1003965481.61 928812204.30;
61986561.39 34629345.85 -40158466.41;
64771918.27 35294602.11 -36198401.28;
0.402 0.158 -0.153;
2.394 4.587 3.537;
2.21 4.510 3.467;
16.78 3.45 -4.32;
-0.899 1.674 0.422;
17.63 12.33 -1.69];
t=[0 1 -1];
net =newff(minmax(p),[6,1],{'tansig','purelin'},'traingda');
net.trainParam.show=25;
net.trainParam.lr=0.01;
net.trainParam.lr_inc=1.05
net.trainParam.epochs=10000;
net.trainParam.goal=1e-10;
[net,tr]=train(net,p,t);
然后运行，在Matlab的显示界面出现：
TRAINGDA, Performance goal met.
当得到上面的目标已经达到的提示语句，并且训练的动态图像如下图所示时，
图网络训练的误差变化曲线
说明网络已经训练成功，然后输入
>> a=sim(net,p)
检测得到结果
a =
0.00001.0000 -1.0000
该输出与期望输出（超市2003年为无风险[0]、2004年为风险不确定[1]、2005年为风险存[-1]）一致，证明网络训练成功。
（2）BP网络的仿真
通过上面的操作，网络已经训练完毕。下面采用超市的指标数据来预测其财务风险。
建立M文件：
p=[1370518362.53 1640751155.19 1525961728.59;
4014089223.76 3836481696.24 2945931106.78;
369411872.73 1003965481.61 928812204.30;
61986561.39 34629345.85 -40158466.41;
64771918.27 35294602.11 -36198401.28;
0.402 0.158 -0.153;
2.394 4.587 3.537;
2.21 4.510 3.467;
16.78 3.45 -4.32;
-0.899 1.674 0.422;
17.63 12.33 -1.69];
t=[0 1 -1];
net =newff(minmax(p),[6,1],{'tansig','purelin'},'traingda');
net.trainParam.show=25;
net.trainParam.lr=0.01;
net.trainParam.lr_inc=1.05
net.trainParam.epochs=10000;
net.trainParam.goal=1e-10;
[net,tr]=train(net,p,t);
p1=[1136396053.74 1239715404.88 1409789929.12;
3247882437.11 3666443133.78 1375289142.14;
244339457.08 311421437.68 909325535.98;
50070042.75 66925122.63 -16970171.41;
51290204.49 68041237.90 -11084934.90;
0.325 0.434 -0.065;
20.49 21.49 -1.87;
-0.403 1.617 -0.55;
1.584 2.019 3.462;
1.012 1.193 3.385;
22.96 24.48 16.35];
运行后，在界面输入
>> a=sim(net,p1)
得结果，2001年和2002年的财务风险存在[-1]，而2006年则显示出财务风险不明确[1]。
四、结束语
统计资料显示，近三年来，我国限额以上连锁零售集团(企业)以年均33.6%的速度递增，截至2006年末，已达到1055家，连锁门店数达54891个，营业面积和年销售额都比2004年有了成倍的增长。连锁零售集团(企业)总体规模迅速扩张的同时，单体规模也在增大。2006年门店在14个以上的连锁零售集团(企业)有507家，比2005年多60家。其中超过100个的由2004年末的55家、2005年末的73家增至2006年末的97家。但伴随着快速扩张、我国连锁零售企业的财务风险也逐渐暴露出来，据统计近一年半以来，我国已有150多家大型连锁超市倒闭。
为了减少超市财务的风险，提高超市的竞争能力，超市企业可以从以下几个方面着手：加强结算资金管理；加强存货控制；健全内部规章制度；实行全面预算管理；建立计算机分析和管理系统。
参考文献：
[1]宋明哲:现代风险管理[M]．北京：中国纺织出版社,2003
[2]严真红:我国企业财务风险的成因及其防范[J].江西财经大学学报，2004.4
[3]陈文浩 郭丽红:企业财务危机的原因分析[J].浙江财税与会计，2004.10
[4]唐晓云:略论企业财务风险管理[J].上海会计，2002.2
[5]Martin T. HaganHoward B. Demuth:神经网络设计[M]. 北京：机械工业出版社，2002
注：本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文。