全国中文核心期刊·财会月刊阴基于BP神经网络模型的上市公司增发再融资效率分析唐学书李小燕渊北京化工大学经济管理学院北京100029冤【摘要】本文运用BP神经网络模型，以沪深两市2007~2008年实行增发的245家上市公司为研究对象，对我国上市公司增发再融资效率进行了实证研究。研究结果显示：%的上市公司增发再融资效率不高，仅有%的上市公司增发再融资效率较好，我国上市公司增发再融资效率总体呈低效状态。本文最后分析了增发再融资效率不高的主要原因，并提出了上市公司提高再融资效率的具体途径。【关键词】上市公司增发再融资效率BP神经网络模型一、引言好的效果。在众多的研究方法中，数据包络分析法、BP神经企业的再融资，是充分发挥资本市场配置资源功能、保护网络分析方法因不需要假设具体的函数形式，模型中的权重投资者的合法权益、促进我国资本市场健康稳定发展的关键。是由数学规划产生，无人为主观成分，因而得到了越来越多的据证监会网站统计数据显示，从1991年证券市场建立之初到认可。2008年12月，我国上市公司通过配股、增发和发行可转债债基于此，本文从股东的视角出发，将增发再融资效率界定券方式共募集资金6995援53亿元，占总筹资额的33豫。可见，为股东所获得现金分红与增发再融资所获资金的比值，即重再融资对上市公司的发展起到了举足轻重的作用。与此同点探究上市公司进行增发以后，股东是否获得了相应的现金时，一些上市公司在募集资金后却轻率使用、盲目投资，导致分红回报。投资效率下降，严重损害了投资者的利益，并影响我国资本市本文以沪深两市2007~2008年实施增发再融资的245场的健康发展。为此，有效测评上市公司再融资效率，对于保家上市公司为研究对象，构建了上市公司增发再融资效率评护投资者和债权人的利益，对于经营者防范财务危机，对于政价的人工神经网络模型，以评价与分析我国上市公司增发再府管理部门有效地监控上市公司，有着极为重要的意义。融资效率，希望为市场投资者提供有效信息，为政府管理部门上市公司增发再融资是指上市公司在进行首次公开融资提供决策依据。（IPO）之后，为满足企业的发展需要，再次通过向指定投资者二、样本选取和指标选取（如大股东或机构投资者）或全部投资者额外发行股份募集资1.样本选取。上市公司股权再融资形式包括增发、配股、金的融资方式。传统的增发再融资效率一般定义为产出与投可转债债券三种形式。据中国证监会网站统计，我国上市公司入的比值，即股东回报与资金投入总额的比例，但是资金投入进行股权再融资时有36%的公司会选择增发作为再融资的方总额不仅包括增发所得的股权资本，还包括原有的股权资本式，本文仅从股东视角出发，建立BP神经网络模型对我国上和债权资本，由于这一测评指标的分子、分母口径不一致，因市公司增发再融资的效率进行研究。而不能准确反映企业增发再融资效率的高低。本文研究中的原始数据主要来自色诺芬信息技术股份有如何科学评价上市公司再融资效率，一直是证券市场参限公司开发的《中国股票市场研究数据库》中2007~2008年进与者普遍关心的问题，它也一直受到理论界和实务界的重视。行增发再融资的上市公司，其中2007年进行增发再融资的上从国内外再融资效率实证研究的历程来看，其经历了从建立市公司共计178家，2008年进行增发再融资的上市公司共计单变量模型到多变量模型、通用模型到行业模型的发展过程，71家，剔除数据不全和数据异常的上市公司。本文选取2007研究方法采用最多的是比率分析法和回归分析法。我国学者年的174家上市公司数据作为训练样本，建立BP神经网络对上市公司再融资效率的研究始于20世纪90年代末，其中模型，以2008年的71家上市公司数据作为实证研究样本，用评价技术方法采用最多的是传统的比率分析法和实证回归分来检验和分析增发再融资的效率。析法，它们一般通过对再融资前后上市公司业绩的比较得出2援指标选取。综观中外学者的研究，用来衡量上市公司结论。再融资效率的指标多种多样，大致可以归纳为以下三类：近些年来，很多学者将数据包络分析、博弈论、模糊数学（1）经营业绩类财务指标。早期的研究多是以上市公司再等理论和方法引入上市公司再融资效率评价中，取得了非常融资后的利润、每股收益等传统的经营业绩类财务指标来衡援下旬窑19窑阴
阴财会月刊·全国优秀经济期刊量上市公司再融资效率。这些会计收益指标具有计算简便、易量公司稳定性的重要指标，本文以前五大股东持股比例总和于获得的优点，但同时也存在许多缺陷，如容易受到人为操来表示股权集中度。纵、没有考虑权益资本的成本等。（2）输出指标（Y）的选取。本文采取“年均股东回报”作为（2）托宾Q比率。有一部分学者采用托宾Q比率作为测衡量上市公司增发再融资效率的输出指标。评标准。然而在我国资本市场机制不完善的条件下，沿用托宾相对以往研究中采用的财务指标，如市场回报指标来说，Q比率衡量再融资效率存在着不少缺陷：首先，相关数据较投资者往往更关心自己能获得的现金分红的多少。据中国证难取得，如公司资产的重置价值，我们一般是用总资产账面价监会网站统计，绝大多数投资者倾向于选择现金分红这一“实值来衡量，但账面价值与市场重置成本的差异很大；其次，权在”的分红方式。而证监会也在2008年出台《关于修改上市公益市场总值是用计算期内股票的市场价格乘以发行在外的普司现金分红若干规定的决定》，要求上市公司在章程中写明分通股股数来获得，但在我国当前股票市场中，仍有一部分非流红原则，取消中期分红的限制；同时，提高再融资门槛，要求必通股，对这部分不能交易的国有股和法人股的估计是非常困须满足三年分红不少于年均可分配利润30%的原则。难的。基于此，本文采用年均股东回报作为输出指标，它是指股（3）EVA（经济增加值）指标。近年来又相继出现了一些新东能够确切获得的现金分红总数，其计算公式为：年均股东回的业绩衡量指标，1991年Stewart提出EVA指标，1997年报=当年现金股利伊（增发股数衣总股数）。Jeffrey提出REVA指标，这一指标的缺陷主要是仅仅关注企三、BP神经网络模型的构建及实证分析业当期的经营情况，没有反映市场对公司整个未来经营收益反向传播神经网络模型是通过输入和输出样本集对网络预测的修正。进行训练，即对网络的阈值和权值进行学习和修正，以使网络由于股权再融资研究指标的选取缺乏具体的经济理论做实现给定的输入、输出映射关系的一种神经网络模型。根据输指导，很难用简单的几个财务指标或市场指标进行充分描述，入变量数的大小，本文将神经网络的层数确定为三层，神经因此本文尝试从不同的侧面选取指标以反映上市公司股权再网络结构如图1所示：x1融资效率的各个方面。具体而言，指标选取遵循以下基本原y1x2则：淤以往研究中普遍使用，并被证明是有效的指标；于数据y2x3方便获得；盂计算误差相对较小；榆相对指标，以消除企业规………模的影响。ynxm（1）输入指标（X）的选取。按照以上选取原则，本文选取图1三层BP人工网络结构了非流通比例、增发融资净总额、资产负债率、股权集中度、主营业务成本五个指标作为输入指标，这样能够较好地反映上1.输入指标数据归一化处理。由于本文采用的不同数据市公司增发再融资的效率。指标的量纲不尽相同，为了减少神经网络模型的系统误差，便虽然有的指标之间可能具有相关性，但人工神经网络是于对最后的输出结果进行评价，因此有必要对学习样本和检一种非线性的平行处理结构模式，变量之间的相关性对数据验样本在训练之前进行归一化处理。处理的影响不大，因此在进行指标的选择时将尽量包含比较本文利用中的premnmx函数，采用正向和反多的信息，力图从多方面反映企业的增发再融资效率情况。向传播公式，将原始数据归一化到［-1，1］区间。其中，正向传'输入指标具体如下：播公式为：X=（X-X）/（X-X）；反向传播公ijiMINiMAXiMINij'X：增发融资净总额。企业所有收益可以说都来源于对式为：X=（X-X）/（X-X）。1ijiMIXijiMIXiMIN总资产的运用，但是本文仅仅从股东视角研究增发所融入的2.模型配置。资本带来的收益，因此将其作为输入指标之一。（1）输入层节点个数的确定。本文把用来描述上市公司增X：非流通比例，反映股票不能流通的程度。该指标与股发再融资效率的五个指标作为BP神经网络输入变量［x，x，212票集中度指标共同反映上市公司股权结构对其股权融资效率x，x，x］，所以输入层节点的个数应该与输入指标的个数相345的作用程度。其计算公式为：非流通比例=非流通股股数/总等，即BP神经网络的输入层节点个数为五个。股数。（2）隐含层节点个数的确定。隐含层节点数的选择与输入X：主营业务成本。主营业务成本的高低决定了利润的输出单元的多少有直接的关系，可参考如下经验公式确定：3高低，因此具有决定性的意义。m=（m+n）/2+a2X：资产负债率。用于反映企业的资产结构以及企业运其中，m为输入神经元数，n为输出神经元数，a为1至4用债权人资金进行经营活动的能力，其计算公式为：资产负债10之间的常数，本文通过网络训练得出n为13效果最佳。率=负债总额/资产总额。（3）输出层节点数k的确定。由于该网络输出的结果只有X：股权集中度。股权集中度是指全部股东因持股比例一个指标，即综合评价等级系数，因此取节点数k为1。因此，5的不同所表现出来的股权集中还是股权分散的数量化指标。本文的神经网络模型结构是5-13-1。股权集中度既是衡量公司股权分布状态的主要指标，也是衡（4）学习样本输出量的确定以及再融资效率区间判定标阴窑20窑援下旬
全国中文核心期刊·财会月刊阴准的确定本文的输出结果为年均股东回报，由于此数据为绝71家上市公司数据）代入已经训练好的BP神经网络模型进对数，不具有可比性，因此本文采用年均股东回报与增发融资行判定，模型对学习样本和检验样本的判定与预测结果、训练净总额的比值同所在年度股票平均收益率相比较。根据比较结果如表1所示。结果对输出数据处理进行分类，将再融资效率分为三类，即表1学习样本和检验样本的训练结果好、一般、差，并分别赋值为1、2、3。通过神经网络进行建模，类型学习样本检验样本得到建模后的正确率，训练建模后的测试正确率是%，泛数目实际个数正确判断个数实际个数正确判断个数化测试正确率是90%。神经网络的模拟训练及结果检验。本文采用的BP正确判断率%90%神经网络模型是在环境下，采用Matlab神经网络工具箱中的函数编程求解。在训练网络之前建立网络命令从表1中可以发现，训练样本中的174个数据单元仅有newff，会在建立网络时直接对网络的权值和阈值进行初始13个被误判，正确判断的个数为162个，正确率为%，而化。为缩短神经网络系统的学习时间，采用梯度下降法对BP同样用来检验的71个数据，仅有7个被误判，正确率为90%。神经网络进行训练，最大训练次数定为500，误差指标定为综合学习样本和检验样本，可以发现所建立的BP神经网络。模型的总体正确率为豫。这说明本文所建议的BP神经网将学习样本2007年实施增发的174家公司的数据输入，络模型是精确有效的。基于BP计算法训练5-13-1网络结构，程序在电脑上经过运在完成神经网络模型的训练后，笔者将2008年实施增发算后达到要求，学习样本的误差曲线如图2所示：再融资的、判断正确的64家公司的数据输入到神经网络模型进行检验和分析，检验样本输入变量进行归一化和再融资效110率判定的结果如表2所示（见下页）。010四、结论与建议从表2的判定结果可以看出，2008年我国上市公司进行-110增发再融资的效率总体来讲是低效的。在实施增发再融资的-21064家上市公司中，融资效率高的仅仅为17家，占全部实施增-310发再融资公司总数的%；增发再融资效率一般和效率较-4差的上市公司分别为26家和21家，分别占全部实施增发再10050100150200250300350400450500融资上市公司的%和%，这明显与实施增发再融资的图2BP神经网络训练误差曲线初衷有较大的背离。其中，输入层到隐含层的权值矩阵为5伊13维矩阵，采用上市公司要提高增发再融资效率，应着力提高现金分红矩阵转置形式且仅列出部分权值。比例，使股东获得更多的现金分红回报。笔者认为建议上市公司可以从以下方面提高增发再融资效率：援优化股权结构，适当控制最大股东的持股比例。股权结构包括两方面的内容，一方面是股东性质，即国有股、法人X=股、外资股及社会公众股，另一方面是股东的持股比例。股权结构影响公司治理结构，两者又影响股利政策。魏刚等（2001）发现股东回报与流通股比例负相关。从股权集中度来看，我国……………上市公司“一股独大”特征非常明显，前五大股东的持股比例隐含层到输出层的权值矩阵为13伊1维矩阵：都在50%以上，其中持股70%的公司占80%左右，股权的高度X=［，，，，，集中弱化了公司治理机制，尤其是大股东的超强控制使得大，，，，，，股东以损害其他股东的利益来追求其控制权收益的动机得到，］加强，这样就损害了中小股东的利益。同时由于接近%的通过系统自学，将上一次学习训练的结果作为下一次训股票不能流通，从而难以有效监督控股股东和内部人的自利练的基础逐步降低总误差值，当达到所设定的误差参数时，系行为。统停止学习。此时神经网络的误差为，稍大于设通过优化股权结构来解决我国上市公司存在的问题，笔定的误差指标。根据BP神经网络的相关知识，同时考者认为应从以几方面着手：首先，让国有股流通，让等量资本虑到数据样本略少，此误差已无限趋近于设定的误差，因此可追逐等量利润，实现股票市场的均衡；其次，通过机构投资者视为精确，并不会影响研究结果。的进入使股权适当分散，有利于经营者在更大范围内接受多按照模型的检验程序，笔者将学习样本（2007年实施增元化产权主体对经营活动的监督，减弱内部人控制，优化公司发的174家上市公司数据）和检验样本（2008年实施增发的治理结构，提高产权效率。援下旬窑21窑阴
阴财会月刊·全国优秀经济期刊表2检验样本输入变量归一化和再融资效率判定结果资（SEO），股东回报和所获得的现金分公司名称XXXXXY效率公司名称XXXXXY效率红都与公司的经营业绩有着显著的正相1234512345宝钛股份高双鹤药业中关关系。陈姣姣（2008）、庄琳琳（2009）等双良股份中赛马实业中通过研究证实了这个观点。金融街差苏宁电器高所以，笔者认为，上市公司要想提高燕京啤酒差南天信息中现金分红的比例，使投资者得到更多的鲁泰差维维股份差回报，就要培育企业的核心竞争力。核心宁波海运中中环股份差竞争力的形成是上市公司成长的关键因辽通化工中弘业股份中素，它难以复制和模仿，上市公司只有持超声电子中苏宁环球高续健康发展，才能够给予投资者更多的名流置业高科达机电中回报。三友化工高营口港差【注】本文是国家自然科学基金资天茂集团高浦东建设差助项目野线性信息动态视野下剩余收益华菱钢铁差合加资源高估值模型的实证研究冶渊项目批准号院美都控股中冀东水泥中70802006冤和教育部人文社会科学研究西飞国际差东北制药高项目野新企业会计准则下盈余结构的价山东黄金高凌钢股份差值相关性研究冶渊项目批准号院常山股份高云南白药中08JA630009冤的阶段性研究成果遥新疆众和高国投中鲁中主要参考文献泛海建设中福田汽车差华新水泥中太钢不锈中院Princeton中金黄金中福星股份差UniversityPress袁2005香溢融通中冠城大通高袁MacklinWH.深圳机场差特变电工高TheoryofFirm院ManagerialBehavior袁西飞国际差城投控股差AgencyCostandOwnershipStructure.东华合创高粤水电差JournalofFinancialEconomics袁1996曰3三花股份高沃华医药中援Managerialapplicationof栋梁新材高济南钢铁差neuralnetworks院thecaseofbankfailure鑫科材料高海印股份中prediction援ManagementSciences袁1992曰1香江控股高东方电气中4.刘洪袁何光军援基于人工神经网络科力远中开滦股份差方法的上市公司经营失败预警研究援会上实发展高天康生物高计研究袁2004曰2安阳钢铁中招商地产中5.刘宇援资本市场上市公司股权再国电南自中海油工程高融资效率内涵及分析体系援管理科学袁2007曰102援发挥债券市场的互补作用，优化上市公司的融资结袁HuangLiYu袁ZhangYuXiang援BP构。与Myers提出的优序融资不同，我国上市公司更多采用的PredictionModelUsedinEarthquakePredictionBasedon是股权融资，很少采用债权融资等方式，所以与西方国家上市MATLAB援NorthChinaEarthquakeSciences袁2009曰1公司相比，我国上市公司资产负债率普遍较低，上市公司大都7.郝晓弘袁段晓燕援基于BP神经网络的迭代学习初始控没有利用财务杠杆的正面效应来获得自身发展。因此，上市公制策略研究援计算机应用袁2009曰4司可以通过扩大企业债券的发行规模，利用债权融资的硬约8.杨皓援BP神经网络模型在商业银行经营业绩评价中的束促使上市公司全面提高资金利用率。应用援中国农业银行武汉培训学院学报袁2009曰53援增强企业的核心竞争力，提高企业经营业绩。我国学9.杨守静援我国上市公司股权结构与公司绩效的实证研者通过大量研究发现，无论是首次融资（IPO）还是进行再融究援经济与法袁2009曰1阴窑22窑援下旬
