雷帽.liI副-睡基于人正神经网络的企业哀败顶警五东民1，2(1.叶1国矿业大学管理学院，江苏徐州221∞8;2摘要:文章以财务状况异常而被ST作为上市公司陷入衰败的标志，介绍了前三层BP神经网络模型预测余~衰败的或论依据和工作程序，运用可公开获得的财务数据，对企~是否陷入衰败境地，进行了预测。结采农明，神经网络是一种非常有效的非线性预测工具。关键诩:神经网络;企业衰败预警中阁分类号:文献栋识码:A文章编号:1002-6487(2佣的05-0158-02企业作为非线性、复杂、开放的系统，其衰败预警是用来人工神经网络目前研究和应用最广泛的是前正层W网预测企业在未来的可能状态及其偏离预警绒的强弱程度，并络，Bp(Back…Propagation)模型是一种摹于反向传播学习算发出预警信号的过程，它是确定预警状~、发出预警信号的法的多层次网络模剧。1;:由输入房、中间腰、输出犀期戚。中信息系统。目前对企业衰败进行预瞥常采用直线外推、指数间层位于输入层和输出层之间，作为输入模式的内部表示，平滑、回归分析、移动平均、灰色模型顶测等线性模型，对高对一类输入模式所包含的区别于其它类别的输入模式的特度非钱性模黯难以处理，影响预警效果。人神去去网络理论征进行抽取，并将抽取巾的特征传诵给输出磨，由输出愿对和方法的出现，为预警系统克服传统的不足提供了新的可能输入模式的主题别做最后的判别。回此，也可以把中间房称为性。特征抽取庭。中间居的输入模式进行特征抽取的过程，实际上也就是对输入层与中间照之间连接权进行"自组织化"的企搬囊败的人工柿锻网捕.本服理过程，在网络的训练过程中，各层之间的连接投起着"传递特’ 征"的作用，各连接权从初始的随机值逐渐演变，最终达到能人工神经网络是一樊模拟生物神经系统结楠，由大最处够表征输入模式性的过程，就是"自组织化过程"。理单元组成的非线性自适应动态系统，它具有学习能力，记指标预警方法是其它传统预瞥方法的基础，它也是最常忆能力，计算能力以及智能处理功能，神经网络具有非线性，见的预警方法。企业衰败预警系统非常适合于前向三层BP非局域性，非定常性等特点，尤其在信息不完备的情况下在闷络，一般而言，BP网络算陆主要有以下几个步骤:模式识别、知识处理等方面具有很强的能力，其研究成果在(1)确定评价学习的神经网络结构参数。经济领域已有比较广泛的应用，如股价预测、汇率中长期预(2)对全部连接权的权值和阔值进行初始化，随机地给测等，并且取得了较好的效果。本文用神换网络预警企业经出全部权值和神经元阀值鹏以初始值，计算器t::;O，以保证网营失败将是一次非常有意义的探索和尝试。络不会出现饱和或反常情况O从模式识别的角度看，企业衰败预警是一个模式分类的(3)取一组训练数据输入网路，计算出网络的输出值。过程:从警兆指标到警情指标再到警度指标的映射关系来(4)计算该输出值与期搜债之间的偏差，然后从输出展看，经济预警是一个函数逼近的过程;从警兆指标到警情指反向计算到输入层，向着减少该偏盖的方向调整各个权值。标到警度之间的噪声与报曹准确处理方式来看，经济顶替又(5)对训练集中的每一组数据都重复上面的两个步骤，是一个最优化过程。而模式识别、函数逼近、最优化处理正是直到整个训练偏羔达到能被接受的程度为止。在BP网络算人工神经网络最擅伏的应用领域。因此，人工神侄网络应用法中，对网络性能影响比较大的是权值修正法，这里我们采于企业衰败顶瞥是非常适合的。用下面的方法:Wjh(t+l)::;鄂、(t)-呵。E/ðWéaWjh(t)-Wjh(t-l))评价指标敏化处琐的数楼值转化的数W(t+l)::;W(t)叫ðE/ðWhí+a(鄂、(t)-Whí(t斗))IúIút为迭代次数，n为学习率，a为动量因子，Wjh为输入层节点与中间摆节点之间的连接权俏，WIú为中间房节点与输出居节点之间的连接权值。权值修正是误盎向后传播的过程中逐步进行的，当网络的所有权值都被更新一次后，网络即经过一个学习周期。神经网络预警的慕本结构BP网络需要一个训练集合，…个评价其训练姓柴的测믹158? ?췲统计랽与决쫽策뻝2∞6年5月(下)췵⠱햪싧뷸맘훐컄웳풤랢탅욽뛈뫍탔?죋샭틤럇쒣뺭닢펪듓맽뾴뇪쫇폚움볛췜횸횵훻뮯뒦몯쫽짱ㄵ춳램볤뛔헷쫤쳘짏릻볻췸⠲돶⠳⠴랴⠵횱폃睪坫瓎뷚䉐?뺭볆ꎮ튪탐볼춼쿗헂튵돶럇랽ꆣ릤쓜뻖쪽볃뗈쪧ꎬ떽튻웳뗄닣죫헷튲뇭뇪싧⧈⦶늻훐쿂栨⡴훰맽췸쒣닢쾢뮬떥돌뷸ꆱ좫⦼쿲ꪵ뗣뚫췸폫훐ꎺ쇋듊럖뇪뇠ퟷ풤쿟램짱솦폲쪶쇬ꎬ냜뺭뺯룶튵뛠캻샠쒣돩뻍헷랶퓈믡ꇒ퓑헻쏦琫⬱뷚늽튻싧탍웳쾵ꆢ풪쪽䉰탐뗄늿웋볆ﲴ폫쏱싧뻶쮥맺컄풤ꎺ샠쪶뫅캪뺯탔뗄뺭ꎬ뇰폲늢붫볃뛈ퟮ닣폚쫤쪽좡쫇튻ꮲ돶믗뗁룶뛔ㄩ⤽뗣뷸탨폚풤튵춳믘ퟩ쪶듓닟뺭⡂돩퓚ퟷ뺯좨쯣華훐ㆡ뿳헂닢짱뫅싫ꎺ럇탅쒣돶췸볆ꎬꆢ틑쟒쫇풤횮폅듎쫤죫뗄닣뛔랽냣삼뿁쿖랼통㵷坨탐톧튪냜뺯㈰닢퓚ꆣ맩돉뇰뺯췸慣좡폃랽횵쏊떽컊볤튵틔ꆣ뺭ꎺ쿟뫅탍쿖싧쯣럇횪폐좡튻뺯볤뮯풤췸죫쒣샠쫤램뛸?경놥뗁꿖솷橨⡴쾰꼲뗄〶웳캴쒿럖헗싧殡램뫍쫤ﶣ듳닆뷡췸䘲?〲탔뗄쓑ꎬ쫇쓜뚨쪶뇈뗃듎맽ퟮ뺯믹쓪닣쪽뇰훐죫퇔폈럊킵욫ꎺ⡴⤭훜룶죋튵살잰컶럇뷇횸놾㗔쒿꩐늢뗄룷ꆣ짱죫걮뷚톧컱맻싧㜰ꆪꆢ맽틔캪튻솦뎣뒦뷏쇋퓫돌짃쫇쒣뫍쯹ퟶ볤닣탔웤ꎬ낵ꢵ믲ﶾ쓃닮쓜⧒솬떱웚통뷡숨맜ힴ쮥뇭ꎻꎮ㘴뢴뗄돌뛔ꆢ뒦풤샠쿟틔탔샭맣뷏뎣뛈뇪룶짹ꆣ뎤럇잰牯탍쫤냼붫ퟮ닣폫통솬쯼웳䉐쓉쓈뺭랴?뗓뿒듯펰묭ㅱ캪뗣뷓췸솷릤릹쿂샭뿶쏷웳?㠷퓓ꎬ뺯쒣벰뗈랺뫃폐몯폫뛸뗄뎣ꆣ돶몬뫳훐맽뒫췸꣖믗쿬煏佅좨싧벯냜뿉틆탔뾴떽퇐灡돩솷뷓튵풪톧횮?톧틬ꎬ튵笲ꆢ쯼쾵짱쓢훇쳘랽틢쫽놨쒣펦쫊닣쫤볤돌춳싧귍떺쟩뇈䖣ꎯ횵뫏릤뗄쓜뚯ퟔ뺯뺿条좡맽좨쮥?쿲쾰풺뎣짱쮥〰뾪쫇펰춳짺쓜뗣쏦펦킧틥뇆뺯쪽폃뫏평횮쟸에죫닣ꎬ풤쯣췣뿶ﶾ놻뷏꽏佗ꆣ쯹샭ힴ쮥욽뺭쫊웳쟩뫍瑩돶돌듓냜횵ﯖퟅ싊뗄ꎬ뛸뺭냜㘩럅좷쿬뿋컯뒦뻟폃맻뗄뷼ힼ쪶쇬쫤볤뇰쒣횮뻍뺯램탖ꆣ랣?뷓듳垡䬫좨폐튻싛첬냜뻹펦튵횸潮뗄훐돵풤뢳뗖복ꎬ솬붭놻췸풤〵뗄뚨럾짱샭폈폐ꎬꆣ첽좷뇰폲죫폚쪽볤쫇랽훷떽겼볖쫜ꍨ愨횵좨룶짱틀벰뷸ꆢ뚯쮥뇪폃⧄쳘ꎬ쪼틔꺼짙懎뷓쯕獔싧뺯ꆪ쾵풤뒫뺭릦웤뫜죧놾쯷맽뒦ꆣ닣ퟷ틲솬ꆰ램튪릲웋?뗄쫇⭡坋탞횵움뻝웤탐믒첬냜퓙ퟮꏐ헷룷뗄돵룃ꪶ탬ퟷ쫇〱춳뺯킧쾵쓜퓚잿막컄뫍돌샭몯틲ꆢ캪쯼듋뷓ퟔ폐컊킳듉좨坭⡴헽뚼볛믹훝캪뫍튻㔸ꎬ욫ힴ풤즫맻뗄춳쾵탅볛폃뎢떽ꎻ랽쫽듋맣췊훐쫤샠뒫쳘좨닣쯦ퟩ틔ﶡ쪼쓆쿃뛈횵⡴⧒꿁쫇놻웤㈲짏훖ⴰ웤첬ꆣ늻뷡짱쾢쓜풤쫔듓쪽뇆ꎬ볤죫뇰튲헷뷸횯뒡쿂?벻캪탞⧒뭗컳룼통뺭릤샫뺯쒣놾춳랺쟒뗝횮믺럇횵ꮲ닮뿒쫐럇?쮥ꆢ죋ퟣ릹뺭늻솦닢ꆣ뺯살뷼닣쒣뿉돩탐뮯벸꾣쓁횹헽뭗䬨닮킽솷ퟷ풤뎣탍ꎬ쫇뛈뗄믖룸볤횵瞡풭〸릫뎣냜랢릤쳡ꎬ췸췪ꆢ헗뾴쪽쫤틔좡ꆰ맽쯼룶곋쓊붸ꆣ램洰琭쿲튻킧돌뺯닉풤쯼튻횸쫇횻쫤뗄훰쫊볆곈랽펣ꏎꎻ쮾폐풤돶짱릩샭평싧놸웤믣횸ꎬퟮ쫤뗄죫냑ퟔ돌튲늽퓚ⴱㄩ뫳듎맻췸탲쿟폃닢뻟룶뇪잰陸돶솬붥뫏쯣뮺쿲걷㊣쿝킧뺯풤뺭쇋듳뻟뗄퇐싊뇪폅돶쓚쒣훐맽ퟩꆱ쫇훨蝹뷖䉐헢⤩?뒫뫳ꎬ횱뗈폐쒣죽?뷓퇝폚웷뗷淎킼꺺죫뗄쫇뺯췸탂솿쟩뺿훐떽볃뮯닣늿쪽볤돌횯ꆣퟮꎺ?떡샯능닢퓋잿쿟톧쪽펳닣듏ꎬ좨뇤잰琽폊헻폄쮥럇폃탅싧뗄뒦뿶돉뎤웳뺯풤ퟩ뇭뮯뎣?컒췸싧쿆냜폃쿟살죵뫅췢탔샭뿉쾰쿂맻웚튵럖짤쟩뺯펦䉐돉쪾쳘평돆쪵ꆱ웰ꎬ쿲ィ룷쯣쏇맽붶뗄탔싛쓜ꎬ퓚풤뺭횸폖헽폃ꆣ캪볊닉벴뿉돌췆쒣샠맘췸ꮲ쫤ퟅퟮ죽곒룶?ꗉ뇪풤ꎬ퓚쫇훐릫뛈ꆢ탍솦뗄쾵ꗑ돶ꆰ훕닣풱?좨붹횾닢뗄뾪ꎬ횸살닣뒫듯䉐ꏖ횵ꓑꎬ릤믱늢쫽뛔볇냋뗝떽ꆣ?뷩뻟뗃룟?쳘쓜몣짜ꆣ웳뗄겺쇋폄잰닆쿆죽컱붶닣튵쫽ꗉ䉐뻝봴짱ꎬ㘷뺭쮥뛔〰췸웳ㄩ튵냜쫇럱쿝풤죫쮥냜뺯뺳뗘
E回~噩躏i式袋，训11纺i集合、测试集illl~原子网…对象的由输入输出对出最能反映企业财务状况的指标，我们遵循A剑ltma构成的集合。其中，训练集用于训练网络，以达到指定的要悦蜘ea盯v衍er:i选靠用财务指标的原贝则U，首先对以往研究中所提到的对求，而测试集是用来评价巳训练好的网络的性能。晶终模型有显著贡献的财务指标进行了归纳，并最终确定包括偿债能力、背远能力、盈利能力、发展能力总共四大类362 票证研现个指标作为初始自变量，来反映企业的财务状况。其次，采用SPSS中的逐步阴阳法对变髓进行筛诵。:ì选择的标准是:F值(1)样本选取。根据我国上市公司实际情况和有关政策，得概率值小子时进入，大于时剔除。筛选开始时棋将上市公司被特别处理(盯)作为企业衰败的界定标准，因为潮中没有任何变最，每当引入一个最熏耍的变量进入判别函它具有权威、客观、可操作性强等优点。我国上市公司被ST数时，同时也考虑先前引人判别函数的变量的判别能力是沓的原因是财务状况异常和其他状况异常，本文是从财务的角随新变蟹的引入而变得不跟著了。如果确实如此，则从判别度探讨上市公司经营情况，因而只考虑因财务状况异常而被函数咿把该变量剔除，直到判别式中没有不重要的变最需要町的公司。由于诋监会是根据上市公司前两年的年报所公剔除，而模瑕外也没有重要的变量可引人时，逐步筛选结束。布的业绩，判断其是杏出现财务状况异常，并决定是否主要对通过筛选，最后进入模型的预测变量分别X3(速动比率).X6其进行特别处理(ST)。所以以往的研究采用上市公司前两年(营运资本/流动资本)、XlO(利息保障倍数)、X18(总资产周的年报预测其是否会被ST，显然高估了模型的预测能力。毕转率)、X22(净利润/主营业务收入)、X24(净利润/流动资竟在公词已经亏损一年的情况下，其被ST的概率自然大于产)和X30(主营业务利润/利润总额)。没有出现亏损的公司。考虑到我阔ST制度的实际运行情况，为了避免多重共统性，采用容许lî(TOL)和方主主膨胀刷本文拟采用上市公司被ST的前三年(t-3)数据样本来预测子(VIF)对这7个变量进行了多重共线性检验。计算公式:其当年(t年)是否会被川，最后选取了1998年叩2003年间TO飞=:1市民2=l/V矶。其中屹为巩对其余k-l个自变囊团归j233 a夜ST公司财务资料作为研究依据，为了剔出不同年份、中判定系数R0检验结果显示，这些变童的TOL都远大于行业和资产规模因素对财务困境预测造成的影响喂我们根据 ，TIF小于10，并不存在多囊共线性。以下原则按1:1的比例选择财务良好的上市公司作为配对(3)模型构造。对于BP三层网络模式来说，输入节点数样本。(1)ST公司与非ST公司的研究期间工族;(2)配对样和输出节点数是由实际问服本身决定的，而隐含展节点数的本与ST公司的总资产规模相当;(3)配对样本与ST公司行确定则是建立合理网络结构的核心，隐含居节点数太多，会业类型相同戚相近。据此，确定了66个研究样本。为了检验增加计算囊，使对未出现过的样本的推广能力变楚;而隐含模型真实的预测能力，与以往的研究不间，本文采用预测样层节点太少，网络的特性会降低。根据挫验'隐含居节点一般本对模琐的预测能力进行检验，自11从样本总体中随机抽取了应满足2n汩>I盹I46作为估计样本，20作为预测样本。网络的拓扑结构为:输入层的输入变最为上而提到到j的7个财(2)变黄指标选择。务指标，罔此一共有7个节点;输出居有…个节点，输出的导企业…旦进入衰败状师{信言号l代表S盯T公词，0代表非S盯T公词ο输入躁和隐含底态，在经营利财务上都之间的传递函数采用双曲线iE切性激洒函数，隐含层节点个有表现。研究者多采用数4个。最后构请了一个7x4川的即神经闷络站胸来拟合财务指标来反映和预测资料数据。企业困境。就会计意义上说，企业衰败的财务指标判定有应由于在BP神经网络的训练中，训练;次数过多往往会出计制和现金制两种标准，在应计制栋准下，判断指标多以亏现对数据的过度拟和，采取了两个办法来提高网络的眨化能损或偿债指标为主，财务指标是直接从财务报告中的资产负力:①对输入数据进行标准化处理，消除不同财务指标囔纲债袭和损益表中计算得出。而在现金制下，判断标准为现金不同的影响，即转化成均值为零、标准差为1的标准向量;(2)和负债的比率等指标，它是基于公司的价值等于预期的现金规则化调整，即通过调整问络的性能函数来增强网络提化能流蜜的净现值，公司若没有足够的现金支付到期债务，而且力。又无其他途径挟得资金时，公词将破产。现行会计制度主要我们用语商编写了人工神经网络的预削软是以应计制为基础，前在财务危机的预测~方面，财务指标的件，把估计样本作为训练集，把新样本作为预测集，采用构造选用也多是建立在应计制革础上的(Altman，1968)。反映企好的单隐居的即神经网络进行训练，训练要求:学习率为业财务状况的指标众多，以什么样的原则选择那些指标进入O.邸，动量芽、数为，迭代次数为40ω0次，总体误羔为模型是影响模型放果的意要因素。Bea~啊i费用财务指标的原 则是:…-是具有普遍性;三是运用以前研究成果;三是增加现金流簸。Altman(1983)在建立著名的Zeta模型时，财务指标3 结廉分析的选择遵循了两个原则:一是某一指标在以前的研究中出现的颇率;工是指标与所要研究的问昭潜在相关性。为了筛选表2中列出了人工神经网络模型的结果，包括了训练;样统计与决策2006年5月(下159??췲랽쫽뻝쫔릹쟳㋊⠱붫쯼뗄뛈協늼웤뺹쎻놾㌳탐틔퇹튵쒣㐶뇭헽통㈳닢㈰좫㘶⠲웳첬폐닆볆쯰햮뫍쇷폖쫇톡퓲뷰돶䉥ퟮ삨룶卐뗃탍쫽쯦몯쳞춨⣓닺캪ퟓ呏훐ィ⠳좷퓶닣펦췸컱쪦횮평쿖솦늻맦컒볾뫃㎽춳ㄵ昵?⠵기뎣릫솷쫔쳥볆돉ꎬ⧑짏뻟풭첽뗄뷸쓪퓚폐컄떱볒튵쿂놾폫샠탍뛔ퟷ뇭컱훆믲뢺솿컞틔폃닆쫇쇷톡욵ퟮ慶훕뎥횸卓룅훐쪱탂쫽돽맽싊⦺쇋⡖에긱⧄쫤뚨볓뷚싺싧탅볤㒸쇏폚퓲ꆣ쏇길㋖벯ィ⦱䙪ꎺ춬뗖ィ㔵럖맦릫쮾퇹?ꔩ폫뗄뛸鈴쫐폐틲쳖릫튵탐놨돶쓢쓪獔뫍풭ꆣ탍헦쒣캪튻퓚쿖횸삧뎥햮웤펦튲컱쫇ꎺ솿퓱싊쓜敲뇪훐쎻뇤즸쯗⦡쵘뇜䥆뚨ꏐ퓲볆뗣ퟣ뫅쫽뮯폃냑떥㖣탁ꔩ?ꎬ㵉ꋙ늼쒣쮾놾뻶ꓑ﮷벯닢뻑릫좨쫇짏쮾벨쳘풤쿖닉⡴퓲⠱쿠쪵탍맀떩뺭ꆣ뇪뺳햮쯰뗄뺻쯻볆뛠ힴ펰튻ퟱꎻ랴톡쓜ퟷ횵폐춬솿냑뛸쪱ꉘ㌰쏢⦶쾵呉춹뷚쯣첫㉮췘ꎬㆴ뒫ꏗ뻝䉐뗷䵡틾겶킳통쟩뿖ꆪ뛔펰닟뫏쫔ꇈ쮾췾닆쫐ꆣꎬ뇰닢틑뿷폃쓪닺내⥓춬뗄볆뷸펪퇐살뷰횸틦뇈쿖춾훆쫇쿬䅨톭뛾펳폐솦캪훰킡죎쪱룃쒣뺣㈲⣖뛠퓕쫽䛐맔뗣붨솿짙㹭웋틲缾뗝짱헻瑬닣꿁킾뿶훎㈰솷뢱刲쫤쿬ꆣ벯ꆡ놻ꆢ컱릫평에뒦웤뺭쯰짏⧊닆맦ㆣ咹뗄믲풤퇹죫뫍뺿랴뻍훆뇪뇭싊횵뺶캪붨쒣뻟浡쇋쫇웳쿔돵늽폚뫎튲틽뇤탍ퟮ꿁⢾훘刲ꇓ쫽솢ꎬ뷡듋몯ꎮ맽慢뿏쯈〶벯?樽죋웤쫇ꎸ쳘뿍ힴ쮾폚뛏샭뿷뗄쫐잷컱쒣먱ꯋퟜ쿠닢놾쮥닆헟펳믡솽캪훐뗈ꎬ믱믹솢횸탍폐渨튵훸펪쪼믘ィ뇤뾼죫솿췢뫳므릲룶ꆣ?ꎶ뫏쪹췸楱릹튻咹쫽맔뛈벴㚣䉐뗊쮹쓪뫏ꇔ䦣쫽벴㗔훐폃料뇰맛뿶뺭횤웤⡓럱쯰릫틲뗄뻓뷼쓜ꎬ냜컱뛠뫍볆훖훷횸뗃뒡퓚뇪킧웕ㄹ룶닆릱퓋ퟔ맩긱솿싇뛸쳞튲뷸꿗뗎쿟뇤볬ィ퓓평샭뛔싧캪릲ꯋ닉쓢춨긵ퟷ짱숨ꆢꎬ살?뒦틬펪볠쫇吩믡튻쮾쇏쯘뇈닺ꆣ솦㈰ힴ짏닉풤틢뇪쯣펦훚맻뇩㠳풭폫컱쿗쓜뇤램쪱쿈돽쎻죫탔솿꽖퇩겲?쪵췸캴뗄틾ꎺ폐뺣폃쯒뫍뻝맽폯캪뺭ꨰ쿂통움특샭뿉뎣쟩믡럱ꆣ놻쓪뭳ퟷ뛔샽읳맦뻝ꎬ뷸뚼폃틥ힼ닆뗃죴뷰맊볆뛠뗄탔⧔퓲쯹ힴ솦솿쎿잰폐쒣븩꿖뷡ꊲ僈볊싧돶쳘몬쫤㞸갰쮫뮸뗷퇔췸ꎮ귍닢?䥆뮯?솷볛韛⡳닙뫍뿶쫇돶쯹獔뗄뾼咣캪닆톡咹쒣듋폫탐짏ꎬ컱쯼쎻쪱퓚훆훘ꎻ?ꎺ튪풭ꆢ뇤죫떱틽늻횱탍닉맻뮴ﶲ컊뷡쿖탔닣듺쟺헻뇠싧㘵쫔檡돉벯틑쿊吩ퟷ웤ꎬ룹쿖틔쟩싇뗄곗퇐컱퓱ꯋ쿠볬풤쮵퓚횸ꆣ쫇폐닆믹튪뛾ꣁ튻퓲펯살솿틽죫쿔떽報꿀폃쇋쳢릹맽믡뷚닣?뇭쿟破훐좡췸킴뷸벯ꏆ뇪뻹폃통킹ퟷ탔쯻틲뻝닆틔쿔뿶떽잰뺿삧뺵떱좷췹퇩닢ꎬ펦뇪뛸믹ퟣ릫컱뒡쪲쫇ꋖ횸샻랴뷸듳죫에훸뗄풤〨뗎죝뛠쪾?놾붵뗣럇헽硬쇋싧탐뗼ꏐ펦ힼ횵폚솷ꯋ캪잿ힴ뛸짏컱췹좻쿂컒죽틀뺳쓑ꎻ뚨뗄ꎬ퇹웳볆쫇퓚릻쮾캣쎴쯘퓋쒳뇪쫗쓜펳탐튻뇰쇋뇤닢샻탭훘짭뫋뗍쫽쫤믊協쟐통솽죋냑듺춵풴큒뮯캪통뫃뻊웳뗈뿶횻쫐ힴ뗄룟ꎬ맺쓪ꇈ뻝풤솼킾⠳쇋퇐벴놾튵훆횱쿖릫붫믺퇹ꆣ폃﮵튻컊쿈뷸솦즸侣룶몯쪽솿뇤쾢허?뛈릲헢?ꏊ뻶탄죫탔䉐솷릤탂듎쒽폚㉪뒦쇣솷뗄떼튵폅틬뾼릫뿶퇐맀웤獔⡴ꇁꎬ닢뫃뿆⧅㘶뺿듓ꆣ쮥뇪뷓뷰쮾쿖웆⡁䉥틔쑚횸쳢컒뛔탐ꆢ톡긱ퟮ쫽죧훐뿉솿놣⡔쿟킩닏뷀뚨룹牮뇤벤짱듎냬쓜퇹춬췸쫇쮥뗣뎣싇쮾틬뺿쇋놻훆튻쬱캪퓬뗄?룶늻퇹냜ힼ듓뷰닺풤汴풭慶잰整뇪잱쏇틔랢ꆣ㇊훘맻쎻틽럖헏ꆢ佌탔뇤?듋틾췆뻝솿믮뺭쫽램샭몯놾통ﮣ싧냜ꆣꎬ틲잰뎣닉쒣獔뛈㌩㤹쇋돉짏퓑퇐춬놾뗄쿂닆볛횧닢浡퓲敲懄퓚ퟱ췹맩햹톡뇌튪뇤좷폐죫뇰놶堲⦺볬솿풡떣몬맣뺭쫤캪킡몯췸맽살쫽ퟷ솷㐰결튻硩뇪ꎬ뗄컒놾닆솽폃탍쫽㣄쳞쫐믖鈴뺿ퟜ컱횵뢶쿖랽溣톡ꏐ틔쿠톭퇐쓉쓜퓱?솿쪵늻쪱堳㐨춷퇩?곊뛸닣죫짏ꮸ싧뛠쳡살캪튪〰ﳀ뛔쿻ힼ틔탔췓뷧맺컄컱쓪늢짏뗄룅쪵뻝돶펰릫슣뻓퇹놾쳥에놨뗈떽탐쏦갱퓱폃돉췊잰맘䅬뺿ꎬ솦ힴﶡ뇤죧훘⣋⦡뺻붲ꆣ呏틾뷚닣뷡췹룟퓶풤쟳ゴꣁ쿳웤돽닮듯쓜킹뚨짏쫇ힴ뗄뻶쫐풤싊볊퇹묲늻쿬쮾묨놾컄훐횸뛏룦폚웚믡ꎬ㤶쓇닆맻놣탔瑭늢ퟜ뿶뇪ꏉ솿에듋튪훰?ꉘ샻볆䲶몬뗣뇤틾뷗쳡?뫍릹췹췸잿닢ꎺ캣쯑뗄폠늻캪떽ꆣ?뇪쫐듓뿶쓪뚨릫닢ퟔ퓋놾〰춬ꎬퟷ㈩咹닉쯦횸훐풤햮볆닆㠩킩컱ꎻ겲퇐慮쯹ퟮ릲ힼ룑뷸뇰뗄늽꾱ㄸ죳쯣볔?닣쫽닮몬뛎틾살믡싧췸벯톧곗뗁평欭춬ㆵ횸ﺲힼ릫닆틬놨쫇쮾쓜좻탐살㏄쓪컒캪엤ꯋ폃믺에뇪뗄웚컱훆ꆣ죽웎뺿뫍쳡훕쯄웤ꆿ죫퓲뇤즸죂⣗ꎯ췒뚴뷚첫ꎻ닣쫽곊몬쓢돶싧죭ꎬ쾰?럑쫤ㆸ닆쒱뚨?ꎬ쮾컱뎣쯹럱잰솦듳쟩풤럝쏇엤뛔뻐쇋돩뛠캪뗄뛈횸랴뇪쫇훐떽좷듎ꎺ에듓솿톡쨩?쇷?쪽뗣뛸뷚ꆣ㞸닣뫏랺닉싊죫뗄?틲놻뛸릫튪솽ꆣ폚뿶닢ꆢ룹뛔퇹볬좡폐틔닺쿖훷뇪펳뷸퓶뢱돶즸뚨샠ꎬ䛖볊뇰쫇에탨뷡쪲뚯ꎺ쫽틾뗣퓲뮯컱폃캪튪캪獔뷇놻뛔쓪뇏ꎬ뻝퇩퇹쇋펦뿷뢺뷰쟒뗄웳죫풭볓?쿖톡냼㌶닉뇄몯럱뇰쫸堶𥳐믡몬짱쒵룶쓜릹튻풱횸볏쿖폃?ꆣ냣뺭퓬쫤뇪돶뾻솿뾣뛔?룙뮢?
E跚翩翩邮企业价值评估市场法的改进张鼎租，彭莉(长沙理工大学管理学院，长沙41ω76)摘要:企业是一个复杂系统，影响企~价俊的因素众多，沿用坪千古学项资产价值的市场法忠路在评估企业价值时遇到了很大的困难。针对企业具有系统复杂程度越高，模糊性越强的特点，建立了基于模糊捷生学的企业价位评估市场法模型，对企业价值评估的市场法进行了改进。关键词:模糊数学;企业价值许仿;市场法中固分3挂号:文献标识码:A文章编号:1ω2-6487(2佣的05叩0160叩03企业价值评估的市场法是慕于类似资产成该具有类似估的结果是企业的公允市场价值，是评估荔准日内在符合市交易价格的理论推断。市场法在企业价值评估中的戚朋是通场价值定义的条件下，市场上能够合理形成的最可能价格l坷。因过在市场上找出于·个或几个与被评估企业相同戎相似的参此，在这种目的下，市场法应该是最为直接、最具说服力的评照企业，分析、比较被评估企业和参照企业的意要指标，在此估方法之一。基础上.修正、调整参照企业的市场价悦，最后确定被评估企业价假IIJot 销冉咐楠端的不姐就提服阳份析2003年，国际评估准则委员会发布了第六版《剧际评估准则þ，准则在《指南6企业价值评估指南》中，明确指出多数为了区别，本文将原有的市场法称为经典市场法。适用企业价值评估的目的是评估企业的市场价值，即企业价值评经典市场法进行企业价值评估时，却遇到了以下嗣难:嫌鹏掰脱销蹦镰罪如IJtË结果本和测试样本的判别姑巢，问时和多元判断分析表2法(MDA，Multivariate Discriminate Analysis)所建模型的结果进行了比较。MDA模型通过SPSS软件分析得到。假设I类错误率是将ST公司误判为非ST公司的比率，II类错误率是将非ST公司误严槽性就会遭到质疑。同时，企业衰败问题十分复杂，我们无判为ST公司的比率，Altman指出I类错误的损失远大于H法仅凭一个成几个财务数据就能判断出企业财务状况的好樊错误。因此，可以从两方面评价模剿，一是整体准确率，二坏。任何财务预测模型都只能为分析人员提供关于企业衰败是I类错误率。从表中可以看到，人工神经闷络棋现在测试发生可能性的线索，而并不能确切地说明是否会发生财务危样本中准确率达到80%，高于MDA的750;毛。人工神经网络机，导致企业经营失败。在今脂预警模翻中Jlï1注意以下网点:棋嫂的I类错误率为lOQ品，优于MDA模型的15%。因此，无一是采取措施增强财务信息的有用性和可靠性，从而保障财论从何种角度评价模型，人工神娃网络模型均是"份种科学、务检测和预警模剧所需要的信息供给。二二是在企业衰败预警合理的方法。中加强对财务指标的设计和选择的研究。4街U~参考文献:[l].f..伟.人工神经网络尿理11.-入门及应用[M].北京航空航天大学出版(1)本文某子人工神给网络理论，吸收了传统预瞥系统手土，1995.的思想，建立了新的企业衰败预警系统框架，比一般的预警[2]*.世农，卢贤义.我阂上市公司财务困境的预测模型研究[1].经济研究，20侃工作判别更加清晰明了，与MDA模型比较预测准确度高，能[3]李小燕，吴少平，杨卒梅.企业财务危机预警分析模型的比较研究降低I类错误率，值得我们深入研究。[几金融科学，2001，(2):6白8.(2)由于企业自身经营发展情况不同，其衰败的表现形[4]杨保安，季海.基于人二时中级网络的商业银行贷款风险研究[J].系式往往也有区别，而财务预警的统一模式却不能因企业而统工税与实践，2001，(5):70…74.异。且预警模型常涉及到多个财务指标，其灵活性、金阳性和{责任编辑/易永生}160 统计与决策2ω6年5月(下)??췲랽쫽뻝헅⢳햪퓚믹맘훐컄웳붻맽헕튵㈰ힼ놾램䑩䅮쒣볾럇맀뎡듋?뺭캪뇭통닢䧀䵄㐨죋㐰㈨샠쫇퇹싛뫏㒽⠱뗄릤붵⠲쪽틬ㄶ춳퇏뮵랢믺튻컱닎嬱짧ꆾ퇐嬳嬴⣔에㌸㐨㈨ㅉힼ䧀獣?좷䇄㢣ㄵ㌨⠸솷쫔탍ㆣ릤볆뾼ꎮ뺿巑움폚볼춼쿗헂튵틗퓚웳뒡볛〳뫍⡍慬뗄ꎬ랽쇋뗤듭䧀놾듓샭⦱ퟷ뗍⧓췹ꆣ쏜짺쫇볬볓ꆿ㊡䪡뚨⠸㢣㈨㒣튪퓲탍럖獔캪쮼뷶샠좷뚦物뗤싊ꏐ긷⠷ㄵ㚣ꎥ퇹샠꿀짱폫컄ㄹꎬ돌㊣긷긴ꎥ돀맀쒣듊럖뇪뇠볛쫐튵짏횵쓪닢䑁祳뷡퓚램쟸컳훐뫎뻎에䧀짓췹쟒탔죎뿉떼닉잿췵뿎샮뾣캱浩듭싊?ꎥ㕥긹ꎺꆷ뗄컶릫獔쿫욾맻긶ꎥ?놾탍뺭뻶쿗㤵㈰ꎰ폫ퟦ湡쫐?䐩ꎥ웳뫽ꎺ샠쪶뫅횵룱뎡ꎬ뒨쫔楳맻뚨헢횮뇰컳ꆣힼ훖랽쒻?튲풤뻍뫎쓜훂좡뫍뛔캰킡꺽ꎥ⤱웳ꎬ뷡뗃쮾⠴⠲?췸릫䧀닟튻ꎺꎮ〰늣쪵瑥싊?㘨꒴튵쫽쒣뫅싫ꎺ움뗄짏럖탞ꆣ맺퇹䵵⧋쫇틥훖튻램틲좷뷇陸룼폐뺯믡닆탔웳듫풤ꎮ샅퇠궣ꎬ뎡㘩〩싧㈰ꎮ겼볹튵ힼ맻떽뗄쮾붨룶㠰볛톧뫽ꎺ맀샭헒컶헽볊놾汴尿웳뗄쒿ꆣ뷸듋쪡싊뛈?볓뗗쟸쒣퓢컱튵쪩뺯죋ꦣꎬ?꿒?〶뺺ꎥ역쫇퓲뷸ꆣ뇈램솢믲ꞹ횵뗄쫽䘲?〲싛돶ꆢ움楶튵쳵컄탐ꎬꎴ듯쮹쟥쪣퓉뇰탍쓪떽풤쿟뺭퓶쒣횸릤곂컢웑ꎣ㈰ퟓ튻퓚탐볙싊쇋㗔벸꺻〱?쪱웳톧㜵ꆪ쫐췆뇈뗷맀쒿에慲뗄볾쿂붫뿉펱떽볛컺곖ꎬ뎣훊닢쯷펪잿탍뇪짱곏짙ꞣ색샲숨陸ꎬ룶폶튵ꎻꎮ㘴뎡뛏뷏헻ힼꆶ뗄뇰楡쇋짨ꎬ릫쿂풭싊틔㠰쫎쒣탂쏷떵귓뛸짦틉쪧닆쯹뺭췒욽갲﨩늻쿂?⠵떽볛웳?㠷램ꆣ믲놻닎퓲쫇뷡瑥퓊ꎬ쫐폐듓킿ꎥ탍귍쇋쏎ꪷ닆벰뛸냜컱탨짨췸〰뢴횸뇈䧀ꋲꨱ뗄?쮹⦣몣쇋횵튵⠲쫇쫐벸움헕캯맻뎡ퟣ뗄솽짒ꎬ틃ꋕ컱떽춬뚼늢ꆣ탅튪볆싧껎퇮ㆣ퓓쓏뷏샠䅨ィ웳먷겳뫜움볛〰믹뎡룶맀웳풱ꎬ램쫐랽풿룟죋폫쟉맇풤뛠쪱횻늻퓚쾢뗄뫍풭특럡갨ァ쾵㛒ꆣ듭벰浡ꖣ튵쫽듳맀횵㘩폚램폫웳튵믡춬볛짏펦뎡쏦뒵릤䵄뺯룶ꎬ쓜뷱뗄탅톡샭韛쎷㈩귍춳믆䵄컳滖곓쮥뻝웤㒣댴뗄쫐움〵샠퓚놻튵랢쪱횵쓜룃램붣䵄짱?䇄닆웳캪좷뫳폐쾢퓱튻쿊ꎮꎺꎬ䇄쫊싊뢳엓냜뻍?삧뎡맀ꆪ쯆웳움뫍쫐늼뗄릻쫇돆볛곈䆵뺭곎ꏐ킾믍춳컱튵럖쟐풤폃릩죫킹㘭풭쓉펰떼ꏐ잽쫇?풤쓜〷쓑램ꎻ〱튵맀닎뎡쇋쫐뛠뫏ퟮ캪좴쒣쮹쐷췸ﳊ춱뾡겣튻횸쮥컶뗘뺯탔룸퇐쏅ꯋ㢣쳒틲㘩쿬ꆣ쒣쫐㘰닺볛웳헕뗚?뎡풪췍ꭳ붫움샭캪뺭폶샠탍㖣䑁싧헁뺯좽?곆뇪냜에죋쮵뫍뺿벰뺲닆뗒헫탍뎡ꆪ펦횵튵쇹볛에맀탎횱뗤떽ꎬꖡ쮴쿔쪽컊풱쏷뿉뛾ꆣ웎컱웳뗆ꢹ咹럇럖듭쒣쾵뛏뛔ꎬ램〳룃움쿠냦횵뛏믹돉뷓쫐쇋튻귍ꏈꯍ꒲ꖰ좴웤쳢쳡쫇훐뾿폃캣킴튵삹ﵓꯋ獔컳탍춳돶컶﮿웳뛔뻟맀춬뗄ퟮꆶꎬ럖ힼꆢ뎡틔쫇쮹뻹돔?늻쇩쪮릩럱펦탔퓚孍Ꞿ믺볛샖偓뻎릫뗄뿲웳튵웳폐훐믲훘뫳맺벴컶죕ퟮ램쿂헻쫇꒾볈쒱쓜믮럖맘믡힢ꎬꆿ뎵풤횵룄又쮾쯰ㄵ볜튵뻟튵샠뗄쿠튪좷볊웳쓚뿉ꆣ삧쳥ꏐ튻꿏랶틲탔뢴폚랢틢듓ꎮ쓔뺯헑뗄쾡?탎컳쪧ꎥꎬ닆폐볛쯆펦횸뚨움튵퓚쓜쮵퓋쓑ힼ췔귍훖뗍좸훐웳ꆢ퓓짺틔뛸쮥놱꒲럖킾틲럖?풶ꆣ뇈컱쾵횵폃뗄뇪놻맀볛럻럾ꎺ좷?뿆?튵좫ꎬ닆쿂놣냜뺩컶뾡쯘춳움쫇닎ꎬ킣횵뫏룱솦듳싊?틲톧튻계뛸쏦컒ힴ쮥컱솽헏풤몽ꏐ쒣빊ꆿ뢴맀춨퓚움쫐ㄲ뗄ꎬ?ꆢ탔쏇냜캣뗣닆뺯뿕췑탍훚곃폚듋냣뿶쾵퓓뗄듋웳ㆡ움뛾뫍컞ꎺ몽킾뛠ꋲꎬ돌쫐ꏒ쳬뽛뇈ꎬ럖컞풤뫃뛈뎡?듳䪡뷏퇘뢳뺯풽램톧뾣퇐폃룟뷸돶꺾뺿움ꎬ탐냦궼맀쒣쇋?뫽룄떥탔뷸쿮풽ꆣ잿닺뗄볛쳘횵뗣뗄ꎬ붨쫐솢뎡쇋램쮼슷
