基于企业纵向数据流的财务困境动态预测
财务困境预测是财务分析和企业风险管理领域的一个重要研究方向，特别是动态财务困境预测作为未来上市公司经营管理技术发展的趋向，已经越来越多地受到人们的关注，它能够通过采用不断流动的样本数据，对企业的财务状况和经营成果进行整体性的预测，并在企业运营的生命周期中，对企业的各项财务状况实施动态监控，从而有效地构建新型财务困境预测系统。在过去的静态模型预测中，虽然在实践中取得了一定的应用价值，但是也存在着一些问题:第一，静态模型中采用的样本数据为固定一段期限内的静态数据，因此忽略了企业运营状况的动态性特点，也忽略了财务困境的相对性特点;第二，绝大部分的模型研究方法都是站在一个时点上对企业进行横截面的预测，这样一种横向预测不能连贯性地动态反映出企业在其生命周期中不同阶段的财务状况演变过程。
近年来，财务困境预测研究的迫切性凸显，但是财务困境预测的静态模型不能适应时间推移过程中样本数据不断流动的现象，与企业运营的动态性特点严重脱节。本文即探索性地从单个企业纵向财务数据流角度进行财务困境预测动态建模的理论与实证研究，旨在从纵向角度深入挖掘企业财务数据信息，动态性地预测企业财务困境，从而为解决财务困境预测问题提供一种新的思路和方法。本文首先以财务困境理论、企业生命周期理论及相对财务困境界定为理论基础，提出企业纵向财务困境概念漂移，认为基于企业生命周期的不断推进，企业对财务状况相对恶化的界定也会随之发生变化。其次，本文在理论研究中设计了基于企业纵向数据流的财务困境动态预测理论模型，在数据预处理模块中，采用连续浮动前进选择方法从包含财务能力、获利能力、运营能力、成长能力和单股指标五个方面的16个财务指标中筛选财务指标变量;在财务状况判定子模块中，运用主成分分析法动态地评价企业纵向各时点的财务状况，并基于评价结果动态构建具有事前预测能力的遗传算法优化BP神经网络的财务困境预测子模块，从而实现事后评价与事前预测的有机融合。最后，本文在实证研究中选择了一家历史悠久的上市公司，从该企业公开财务报告中收集其1995年中期至2010年中期每半年的中期财务指标数据，即每年的1-6月和7-12月的财务指标数据，构建一个包含31个样本的纵向数据流实验数据集，通过动态移动预测结果的验证，并与传统静态模型预测结果相比较，证明动态模型对单个企业纵向的财务困境预测更加有效、可行。
财务风险;动态预测;纵向数据流;企业管理;BP神经网络;遗传算法
浙江师范大学
硕士
企业管理
孙洁
2012
中文
F275;F224
61
2012-11-30（万方平台首次上网日期，不代表论文的发表时间）