论文部分内容阅读
我国创业板市场自2009年10月以来已公开交易达8年之久,在这8年中对创业板上市公司的高股价、高市盈率的争议从未间断过,同时也出现了不少创业板上市公司业绩大变脸,经营状况波动大的现象,使得创业板上市公司投资风险较大。本文选取2010-2016年创业板上市公司的年报数据,从财务与非财务两个方面选取预警指标,构建了基于神经网络的财务预警模型。本文首先从创业板上市公司财务预警的研究背景、研究目的与意义、国内外研究现状出发,对本文的创新与不足进行了总结。接着重点介绍了财务风险预警理论与方法,特别是从定性预测与定量预测两个角度对具体的预警方法进行介绍。然后根据当前创业板市场发展现状与特点,重点对创业板上市公司可能面临的财务风险影响因素和形成原因进行了分析。在相关学者研究基础上,本文以第一次出现净利润为负作为风险度确定的标志,筛选出有财务风险样本72个,无财务风险样本1438个。从中分别选取48个有财务风险样本与959个无财务风险样本作为神经网络训练样本;24个有财务风险样本与479个无财务风险样本作为神经网络检验样本。在预警指标选取方面,本文从盈利能力、偿债能力、成长能力、营运能力、现金流量这5个财务维度以及以股权结构为代表的非财务维度,共选取18个指标作为初选预警指标。通过SPSS进行的显著性分析与因子分析,最终构建了新的6大因子作为最终预警指标。通过MATLAB利用训练样本对建立的BP神经网络与RBF神经网络分别进行模型训练,并通过检验样本对模型进行检验,从检验结果看BP神经网络与RBF神经网络对财务状况判别的综合准确率分别是88.87%和80.12%,说明神经网络模型对创业板上市公司财务风险的预警准确率较高,BP神经网络的准确率明显高于RBF神经网络。