财务危机预警工具：基于EVA的BP神经网络模型

本文以2003～2005年我国沪深两市A股上市公司作为研究对象，采用BP神经网络方法构建了整合EVA指标的财务危机预警模型，并进行了实证研究。实证结果表明：整合EVA指标的BP神经网络模型较Logistic模型具有更高的预测精度。　　【关键词】财务危机预警EVABP神经网络随着我国市场经济体制改革的深入和资本市场的迅速发展，企业的外部环境日趋复杂，经营风险不断增大。国内外大量实例表明，陷入经营危机的企业几乎都是以出现财务危机为征兆，因此对企业的财务危机进行及时、准确的预测具有重要的现实意义。鉴于此，本文构建了一个基于EVA的财务危机预警模型，采用BP神经网络方法进行实证分析，并对整合EVA指标的BP神经网络模型的预测效果进行了检验。　　一、文献回顾　　20世纪30年代以来，国内外学者在财务危机预警领域进行了大量实证研究，取得了许多重要成果。　　从方法上看，主要有多元判别分析方法、Logistic回归方法和人工神经网络方法。Beaver（1966）首先用统计方法建立了单变量判定模型，发现债务保障率、资产收益率和资产负债率可以有效地预测财务危机；Altman（1968）运用多元判别分析法构建了Z模型；Ohlson（1980）运用Logistic回归方法建立了预测精度较高的Logit预警模型；Odom，M.D和R.Sharda（1990）首次将人工神经网络模型应用于破产预测分析，发现人工神经网络模型具有较强的预测能力。陈静（1999）以我国上市公司为研究对象，首次用Fisher判别方法进行了单变量分析和二类线性判定分析。刘洪、何光军（2004）以我国2002~2003年728家上市公司为研究样本，分别对判别分析法、逻辑回归分析法和人工神经网络方法进行比较，结果表明：人工神经网络方法的预测精度远高于上述两种传统的统计方法，在财务危机预警领域的应用前景更为广阔。