定稿：粗糙集-遗传优化神经网络构建与企业财务危机预警研究.doc

粗糙集-遗传优化神经网络构建与企业财务危机预警研究
The Research of Corporations' Financial Crisis Forewarning Based on the Rouch sets-Genetic Algorithm and Neural Network
周喜1 方颂2
(1、湖南商学院，会计学院，湖南 长沙 410205；2、湖南广播电视大学；信息工程系，湖南 长沙 410004)

摘要：基于双重混合神经网络技术的财务危机预警研究是未来财务危机预警理论的重要内容，比如粗糙集与遗传算法双重数据挖掘技术做为基于神经网络的财务危机预警系统的前置装置，优化后模型有能有效降低模型训练时间和提高系统的预测精度。

关键词：粗糙集；遗传算法；神经网络；上市公司

一、国内外研究现状述评
我国在企业财务危机预警方向的理论研究起步时间不长，而实证研究以传统的统计学方式较多。在国外，从上世纪30年代起，西方经济学者就开始进行财务危机预警研究，以企业的敏感性财务指标为基础，提出和构建许多财务危机预警的方式和模型，结合各国上市公司的实际数据和特点，通过实证检验来预预测企业是否将会发生财务危机。国内外实证研究大致可分为以下几类：
1、 单一传统统计方法实证研究：
张玲（2000）、杨淑娥（2003）等通过Z记分模型进行判别预测；陈晓，陈浩鸿（2000）首次采用逻辑回归模型对我国上市公司财务危机进行了预测；黄岩，李元提（2001）采用多元统计方法构建模型并进行了实证研究；Skogsvik（1998）运用Probit函数构建多变量财务预测模型；Willhln Beaver（1986）教授以5个财务比率作为变量构建了单变量判别模型进行了实证研究。
2、 多种统计方法对比实证：
陈静（1999）进行了单变量分析和多元线性判定分析，结果显示被ST的公司前三年财务数据能较好地进行财务危机预警；高培业，张道坤（2000）建立了贝叶斯和Fisher模型、逻辑回归Logitic判别模型和Probit判别模型进行财务危机预测；吴世农，卢贤义（2001）应用单元线性、多元线性和逻辑回归Logitic等三种方法构建模型，并实验检验逻辑回归Logitic的误判率最低；宁静鞭（2007）分别采用K近邻和逻辑回归Logitic方法进行了建模与实证检验；Altman（1968）首次将多元性判别方法引入到财务危机预警领域；Onlsn（1980）运用多元逻辑回归法Logitic进行实证研究；Marais（1984）利用递归分类方法对银行贷款进行了分类研究，对比发现递归分类方法比判别分析方法更好；
3、单一BP神经网络方法实证研究；
章忠志（2003）应用人工神经网络构建了商业银行信用风险模型，研究表明该模型准确率高达90%以上；Marco，Varetto（1995）将神经网络技术应用到企业财务危机预测中，预测效果较好； Tam，Kiang（1992）建立的神经网络模型、线性判别分析模型、多元逻辑回归Logitic模型、经典决策算法模型和K近邻模型进行了财务失败预测，研究结果发现神经网络模型的预测误判率最低；Odom，Sharda（1990）采用类神经网络构建了企业破产预警模型，结果表明类神经网络模型有较高的预测准确性能和解决分类问题能力，其预测准确率达到80%左右，明显优于当时的判别分析模型； Koh，Tam（1999）应用神经网络技术对企业的六个财务指标进行财务危机预测，研究表明神经网络模型预测效果优于Probit模型；Luther（1998），乔卓（2002）构建了神经网络预测模型，实证结果显示该模型准确率达到85.2%；Coats，Fant（1993）运用神经网络技术学习审计专家的结论来预测财务失败的效果要远远好于Z值模型。
4、混合神经网络方法实证研究；
王新宇等（2002），张华伦，孙毅（2006）提出了一种基于模糊优化神经网络的企业财务危机建模和预测新方法，实证结果表明该模型预测精度高； Pawan Lingras（2002）提出了混合模糊神经网络财务危机预警模型，实证结果显示该模型预测精度高；Kyong（2006）混合了神经网络和遗传算法理论，并建立了能发布实时报警的动态财务预测模型。
国内外学术界对财务危机预警领域的研究文献略有增加，为本项目的研究提供了重要参考；国外还没有基于双重混合数据挖掘技术优化神经网络的财务危机预警模型的研究文献，但多国在基于单一混合神经网络的财务危机预警模型等方面的研究成果和实证研究具有借鉴价值；国内学者在财务危机预警实证研究存在样本量不足、使用方法单一和财务指标较少等问题，尤其缺少双重混合数据挖掘技术优化神经网络的财务危机预警的研究文献，这正是本项目的研究核心所在。
二、研究意义
财务危机预警是企业财务管理的重要内容；是协助相关政府管理部门对企业进行有效监控，保护投资者和债权人利益的主要手段与机制；也是上市公司及时预见危机、消除隐患的自查自救策略之一。因此，通过完善的预测方法和信息技术构建出更为新型、有效、科学的财务预警体系，以及对上市公司财务危机预警的实证研究既具有重要的技术应用价值，也具有一定的现实推广的意义。
1、从宏观角度来看，财务危机预警有利于提高国家资源的宏观配置能力。企业发生财务危机不仅会给企业本身带来巨大的损失，甚至导致企业破产，同时也意味着社会资源被浪费，社会财富被毁灭，大量员工失业，严重影响到国民经济稳定和经济建设的正常运行。因此，国家在制定宏观经济政策和调控经济运行时，将以企业经济效益状况作为重要的参考数据，及时掌握上市公司陷入财务危机的信息，有助于政府实施和制定宏观的经济政策和提供科学化的服务，以保证社会主义市场经济的平稳发展，有助于改善资源的宏观配置，严格控制濒临破产企业的财政拨款，减少国有资产流失。
2、从微观角度上来讲：
a、有利于管理层加强内部控制，改善经营管理，防患未然。财务预警系统可根据企业实际的财务数据进行预测企业是否将出现财务危机，如果上市公司管理层运用预警系统对企业的历史财务数据进行分析，发现本企业财务状况可能出现问题，企业管理者将追踪溯源找到导致危机出现的根源，及时地有针性的调整公司的经营方针和策略，改善财务状况，有效地避免陷入陷入财务危机，保证上市公司的健康发展；
b、有利于证券会等监管部门对上市公司的监督和管理。我国证券市场对上市公司制定了一系列财务危机机制，这些制度都对上市公司的制束，也都属于事后的监管，因此也有一定的滞后性。证券监管机构可通过财务预警系统对上市公司的前几年披露的历史财务数据进行分析和预测，如发现某上市公司财务状况有异常征兆，证券部门可更好的对上市公司实施有效的监管，对投资者进行风险警示，做到事前监管，有效的维护证券市场的交易程序，推动了证券市场的健康稳定的发展；
c、有利于利益相关者做出正确及时的决策，维护自身利益。债权人包括贷款银行、融资租赁出租方和公司债券持有人等，其目的是为了获得丰厚的投资回报。如果上市公司出现财务危机的信息不能及时的被投资者所掌握，可能会导致投资者未做为正确的决策，将有可能出现投资失败，造成大量经济损失。如果投资者借助准确有效的财务预警系统进行预测，可帮助投资者及时地调整投资方向和投资结构，增大投资的成功率。而债权人通过财务危机预警系统可预测并判断企业的偿债能力，从而提前调整相关财务措施，降低投资风险；
d、有利于提高审计人员警惕性，降低审计风险。上市公司是否能持续经营下去是广大利益相关者最为关注的问题之一，也是审计机构对上市公司进行评估并发表审计意见的重要内容。运用基于混合粗糙集-遗传理论优化神经网络的财务危机预警系统，谨慎执行审计程序，可发现企业的薄弱环节，帮助审计机构发表适当的审计意见，避免审计风险；
e、有利于丰富我国财务预警理论。基于混合粗糙集-遗传理论优化神经网络的上市公司财务危机预警研究可丰富财务预警理论有两层含义：首先、我国证券市场的监管机制还是主要以事后监管为主，即通过对连续亏损两年的上市公司实行ST制度，对连续亏损三年的上市公司实行退市制度，从而对上市公司进行约束。证监会对上市公司进行监管所依赖的信息主要来源于公司当年所披露的财务报表，因而具有一定的滞后性。通过财务困境预测，监管部门可以利用该公司前几年披露的财务信息提前对上市公司进行监测，对于出现财务困境征兆的上市公司给予更多的关注，加强事前监管。再次，数据挖掘技术在财务危机预警中的全面应用，如神经网络技术的应用将打破了传统单一的统计方法的不足，在实际应用的准确率也远远高于传统方法，特别是混合数据挖掘技术优化神经网络有极高的效率和准确率。因此，信息技术的应用将极大的丰富和完善了传统的财务危机预警理论，这也是未来财务危机预警理论研究的重要方向。
由此可见，基于混合粗糙集-遗传理论优化神经网络的上市公司财务危机预警在提高国家的资源宏观配置能力；加强企业内部控制，改善经营管理；加强对上市公司的监督和管理；维护利益相关者自身的利益，做出正确及时的决策；提高审计人员警惕性，降低审计风险；丰富我国财务预警理论；提供给软件开发商可集成功能的方案等方面具有实际的重要的意义。
三、主要内容和基本观点
1、上市公司样本选取：样本特征及分组；年份确定；ST企业与非ST企业的比列。
2、双重混合粗糙集与遗传算法理论研究：粗糙集属性简约技术优化神经网络输入值；遗传算法优化神经网络权值。
3、预警模型构建：神经网络设计：包括确定BP网络神经层数、输出层神经元个数和隐含层个数；遗传算法对神经网络权值的优化：包括染色体与初始种群生成、目标函数和适应度函数、遗传操作等步骤。
4、模型实证检验：首先，进行模型预处理，即对神经网络的输入端（样本集的财务指标数据）进行离散化处理；再利用粗糙集进行属性简约，简约后的属性个数即模型输入层节点数；再利用遗传算法对神经网络权值及阀值优化，并进行神经网络的训练、仿真及精度检验。最后，将实证结果与BP神经网络实证结果精度进行对比分析。
四、基本思路
在参考大量国内外文献后发现，采用一元判别方式、多元判别方式、逻辑回归多元判别方式、BP人工神经网络和混合神经网络方式所得到的财务危机预警精度依次上升。所以，本文采用基于双重混合粗糙集-遗传算法的神经网络技术来构建模型，对30家ST和90家非ST的A股制造业上市公司的财务数据进行实证检验，结果与基于BP神经网络的财务预警模型实验结果进行对比。研究所得到的预警理论及模型，可为上市公司相关利益者和监管部门提供预警服务，降低投资风险和保障证券市场健康稳定的发展，也供学术界和财务决策软件开发商参考使用。上表是本文研究的基本思路表:

提出
问题
背景
课题的研究背景
现状及
缺陷
国内研究现状
国外研究现状
研究
意义
课题的研究意义
理论分析
数据挖掘及相关理论研究
企业财务危机预警理论综述
数据挖掘技术
粗糙集理论研究
遗传算法理论研究
财务危机特征及其形成原因
财务危机预警
财务危机预警指标的选取
模型构建及实证研究
ANN数据挖掘技术在财务管理中的应用
财务危机预警指标的筛选
财务危机预警指标的选取原则
财务危机预警变量的确定
样本的选取
预警模型构建及实证检测
传统BP神经网络财务预警模型构建与实证检验
混合R-G-ANN财务预警模型构建与实证检验
模型比较分析
预警模型比较分析
总结及展望
供学术界、大中型企业、财务决策软件开发商及相关监管部门参考使用
神经网络的基本原理

五、研究方法
基于双重混合粗糙集-遗传算法优化的上市公司财务危机预警是管理科学与工程领域研究中的一个前沿问题，是一项多学科交叉的边缘性研究课题，本文的研究采用了以下研究方法：首先，运用经济学、信息技术、管理学、数理统计学等多门学科的结合为理论基础，混合了粗糙集与遗传算法优化人工神经网络等知识的结合为技术基础，使本文研究具有坚实的理论铺垫和多门学科多种技术互相交叉、互相融合、互相补充的研究特色；其次，运用理论研究和实证分析相结合，定性与定量相结合的方法，探讨了我国上市公司财务危机预警的前提和理论结构体系。运用混合粗糙集和遗传算法优化神经网络技术构建了我国上市公司财务危机预警模型，从而保证了本文研究的理论创新性和财务危机预警模型的实用性；最后，运用SPSS统计软件、Rosetta工程软件以及 Matlab 等软件的强大计算与仿真功能，辅助基于混合粗糙集-遗传算法的神经网络财务危机预警模型的分析与设计，从而大大提高模型建立与运行的效率。
六、重点难点
1、样本数据的选取。如何选择样本上市公司的年份；如何确定样本的特征；如何确定ST上市公司与非ST上市公司的比列，都是模型实证成败的关键，也是模型是否具有实际应用价值的关键。
2、将粗糙集和遗传算法做为神经网络预警模型的前置装置，包括利用粗糙集理论中的知识表示、属性简约等技术，减少关联性差的属性，从而降低神经网络的复杂性，降低神经网络的训练时间，提高模型的预测精度；利用遗传算法优化神经网络的权值和阀值，逼近效率和精度可达到较好的效果。如何混合粗糙集和遗传算法作为神经网络的前置装置也是模型构建过程中的重点和难点；
3、模型实证过程中，如何从国泰安数据库里分类获得所需财务数据、如何顺利地使用SPSS统计软件、Rosetta工程软件以及 Matlab软件来完成任务也是难点。
七、创新之处
本文主要观点是提出了混合粗糙集-遗传优化神经网络的财务危机预警模型，该模型能为给企业各信息及利益相关者正确地预测企业所面临的财务危机状况，为保护投资者和债权人的利益、为经营者防范财务危机、为政府管理部门监控上市公司质量和证券市场风险，提供了一条有效的新途径。本文的创新之处有：
1、将现代人工智能领域的重要技术粗糙集知识简约技术、遗传算法和人工神经网络技术引入我国上市公司财务危机预警的研究中，建立基于双重混合粗糙集-遗传优化神经网络的财务危机预警模型，进行财务危机预警的动态性研究。通过在大量实验和统计分析的基础上得出结论：1、利用粗糙集知识简约技术提出主要的特征属性，减少财务危机指标数量，降低了神经网络复杂性和训练时间；2、利用遗传算法优化初始权值和阀值作为输入端进行逼近，提高了逼近效率和预测精度。混合粗糙集-遗传算法作为神经网络模型的前置装置，是可行和有效的，能有效降低训练时间和提高预测精度率。
2、财务危机并不是财务数据和指标恶化的必然结果，本文加入来自宏观和微观角度的审计意见、第一大股东持股比例和持股董事比例等14个非财务因素，可提高模型的判别能力，拓展模型的适用性。
3、本文研究总样本选择时，放弃采用常用的ST与非ST上市公司1：1的配对比列，而是采用ST与非ST为1：3配对比例，其ST上市公司为30家，非ST上市公司为90家，这有利于提高检测模型实际运用的预测准确率。

参考文献：
[1]刘洪，何光军.基于神经网络方法的上市公司经营失败预警研究[J].会计研究,2004,（16）：42-45
[2]马喜德.基于神经网络模型的财务困境预测实证分析明[J].山西财经大学学报,2005,（2）：54-56
[3]Pawan Lingras. Fuzzy-rough and rough-fuzzy serial combinations in neurocomputing[J]. Neurocomputing, 2002, 36: 29-44
[4]肖智,张志恒等.粗糙集理论在企业财务危机预测中的应用[J] .统计与决策, 2004（3）：41-44
[5]杨淑娥.企业多层次财务危机预警研究[M]经济科学出版社,2009：88-96
[6]唐锋, 孙凯.基于 BP 人工神经网络的企业财务危机预警研究[J].现代经济，2008，（8）：161-162
[7]郑卫华.企业财务危机预警模型的实证研究[D].天津：河北工业大学，2006：50-68
[8]周敏.基于模糊-神经网络的企业财务危机预警[J].管理科学学报, 2004（5）：89-92
[9]李龙俯,程慧霞,卢冰原.基于Rough集的数据约简和规则发现研究[J],东南大学学报,2002,32(6):201-206.

粗糙集-遗传优化神经网络构建与企业财务危机预警研究
The Research of Corporations' Financial Crisis Forewarning Based on the Rouch sets-Genetic Algorithm and Neural Network
ZHOU Xi FANG Song
(Hunan University of Commerce, Accounting Institute, Changsha 410205)
Abstract: Based on the double hybrid neural network technology on early warning of financial crisis is the future of the financial crisis early warning theory important content, such as rough set and genetic algorithm double data mining technology based on neural network for the financial crisis early warning system front-end device, optimization model can effectively reduce the training time and improve the system of the model prediction accuracy.
Key word: Rouch sets; Genetic Algorithm; Neural Network; Listed Corporations

作者简介：
周喜（1980.10-），男，湖南永州人，工程硕士，湖南商学院会计学院讲师，研究方向：财务数据挖掘和审计信息化；方颂（1978.8-）男，湖南长沙人，硕士，湖南广播电视大学信息工程系工程师，研究方向：计算机网络和数据挖掘。
基金项目：
湖南省教育厅科学研究项目 (11C0735)；湖南省教育科学“十二五”规划项目 (KJX011CGD026)。
----------------------------------
联系人：周喜
通信地址：湖南省长沙市岳麓区湖南商学院会计学院办公室
邮编：410205
邮箱：79216027@
手机：[phone]