徐 旭
（宿州学院 经济管理学院，安徽 宿州 234000）
摘 要：抽取沪深两市A股市场上IT企业作为研究对象，构建人工神经网络模型，对企业的财务状况进行预测，引入正交试验设计法优化财务危机预警模型.研究表明，正交试验设计法对于神经网络的学习具有很好的效果，财务预警分析显示出稳定、连续的预测性能，这正好适合构建具有实际应用价值的预警系统，使研究精度有较大的提高.
教育期刊网 http://www.jyqkw.com
关键词 ：人工神经网络；正交设计；IT企业；财务预警系统
中图分类号：F275 文献标识码：A 文章编号：1673-260X（2015）03-0096-02
基金项目：安徽省高等学校省级优秀青年人才基金项目（2012SQRW176）；宿州学院人文社会科学研究项目（2011yyb36）
1 引言
近年来高科技板块对全球股市和中国股市的变动作用十分明显，新兴的IT（Information Technology）企业也是受关注较多、变化较大、交易比较活跃、对大盘影响较大的群体，因此，研究IT企业对投资界、社会投资者都具有一定的意义.信息技术飞速发展的今天，IT企业同样面临着巨大的财务风险，一旦风险积聚到一定程度，如果不及时采取措施，就会陷入财务危机.财务危机系统作为IT企业风险管理的重要一环，它作为经济运行的晴雨表和企业经营的指示灯，不仅具有较高的学术价值，而且有着巨大的应用价值.IT企业信息流、物流和资金流“三流合一”的特性使得企业传统财务预警系统不能满足其要求.我国IT企业内部治理结构上的缺陷，使得企业的经营效率不断下降，从证券监管机构发布的新增ST企业公告就可窥见一斑，急需构建IT企业财务预警系统来预防危机的发生.IT企业的大量出现对现有企业财务危机的预测方法产生巨大的冲击，不再局限于传统的统计方法，利用人工神经网络理论知识，研究人工 （Back-Propagate）神经网络算法，财务预警研究中的预警指标体系需要考虑非财务因素的影响，使得财务预警系统的应用具有实际价值.因此，本文试图从公司治理结构、审计意见、关联交易等方面探讨非财务因素在IT企业财务预警中的作用，利用MATLAB软件构建神经网络模型，对IT企业的财务状况进行预测，引入正交试验法优化财务危机预警系统.
2 文献综述
人工神经网络技术被广泛应用于模式识别、优化计算、智能控制、经济、金融、管理等领域，其中包括财务危机预测研究.Tam和Kiang（1992）应用神经网络方法对得克萨斯的银行财务失败案例进行预测.国内学者也对我国基于神经网络的企业财务危机系统进行研究，我国学者杨保安（2009）选取15个财务指标运用人工神经网络方法建立供银行进行信用评价的预警系统.人工神经网络模型由输入层、隐含层和输出层组成，信息处理分为信息正向传播和误差反向传播两步进行，当正向传播时，输入信号从输入层经过隐含层后传向输出层，每一层神经元的状态只影响下一层神经元的状态.网络的反向传播是一种误差从输出层到输入层向后传播并修正权值和阈值的过程，学习的目的是网络的实际输出逼近某个给定的期望输出.运用正交试验设计法对这些参数选择进行优化，对于神经网络的学习具有很好效果.它利用正交表安排试验，其理论基础是拉丁方理论和群论，可以用来安排多因素试验，试验次数对各因素和各水平的全排列组合来说是大大减少了，是一种优良的试验设计方法.它相对于全面试验而言，只是部分试验，但对其中任何两个因素来说，可以用比全面试验法少得多的试验，获得反映全面情况的实验资料.
3 研究设计
3.1 样本选取
本文中的财务危机企业样本为2013年-2014年以来因财务状况异常而被特别处理的IT企业，一共30家财务危机企业.同时依据行业和资产规模相近的标准构造了配对的财务正常企业样本.
3.2 指标变量
由于财务指标涉及到企业经营管理的各个方面，借鉴国内外学者的研究成果，从公司的盈利能力、经营能力、偿债能力、资本结构、成长能力等方面确定变量.
3.3 数据处理
对总样本连续三年数据进行显著性分析检验后，发现ST公司和非ST公司存在显著差异，根据T检验以及Mann-Whitney U非参数检验的结果，剔除一些变量，指标变量通过显著性检验.
4 实证分析
本文运用软件Matlab构建了三层人工网络财务预警系统，并选取样本进行实验.由于输入是连续变量，输出是布尔型离散向量， 训练或测试前使用Matlab的Premnmx函数对样本进行归一化处理，作为网络的输入数据.人工神经网络的设计包括输入层、隐含层、输出层、传递函数、训练函数、网络参数等网络结构的设置，具体到本文的研究，设置如下：
（1）输入层：输入层神经元个数由输入向量P决定，确定了18个输入节点.
（2）输出层：输出层神经元的个数由输出类别决定.网络的输出层定义为1个节点，即企业的实际财务状况.在训练样本集中，样本的输出向量设为T（当为ST公司时，T=1；当为非ST公司时，T=0）.
（3）隐含层：关于隐含层节点数选取过少，将影响到网络的有效性，过多，会大幅度增加网络训练的时间，根据经验可以参照公式
进行设计，其中n为隐含层节点数，n1为输入节点数，n2为输出节点数，a取1-10之间的常数.
（4）传递函数：传递函数对一个神经网络的训练效率至关重要.本文对输入层到隐含层的传递函数确定为正切函数tansig（n），它将神经元的输入范围从（-∞，+∞）映射到（1，-1），隐含层到输出层之间的传递函数确定为对数函数logsig（n），它将神经元输入范围从（-∞，+∞）映射到（0，1）.
（5）网络参数：目标误差0.001或0.00001，学习率通常在0.01～0.9之间，一般来说，学习率越小，训练次数越多，但学习率过大，会影响网络结构的稳定性.误差通常需要根据输出要求来定，e越低，说明要求的精度越高.设置学习速率为0.05，学习速率增加的比率为1.03，学习速率减少的比率为0.9，动量常数为0.7，最大误差比率为1.08，训练循环次数为550次.
（6）训练函数：人工网络训练函数采用traingdx.它采用动量法和学习率自适应调整两种策略，从而抑制网络陷于局部极小和缩短学习时间.
为提高人工神经网络的学习精度，下面将采用正交设计试验法对人工神经网络的相关参数进行优化，选用三个因素两个水平的正交表（见表1）.它相对于全面试验而言，只是部分试验，但对其中任何两个因素来说，可以用比全面试验法少得多的试验，获得反映全面情况的实验资料.
依据表2的设计方案，借助Matlab语言编制了神经网络的训练和测试程序，将30家建模样本t-2、t-3、t-4年的指标数据分四次试验进行学习训练，选择最优的试验方案作测试.从上述结果可以确定各年最优的人工网络模型的函数和参数：
（1）t-2年的试验中，试验4的结果相对最优，判别准确率达到100%，所以人工网络模型结构为18-16-1，目标误差为0.00001，训练函数为trainlm，在PC上经过10个训练周期达到目标要求.
（2）t-3年的试验中，试验2的结果相对最优，判别准确率达到94%，所以人工网络模型结构为18-7-1，目标误差为0.00001，训练函数为traingdx，在PC上经过285个训练周期达到目标要求.
（3）t-4年的试验中，试验3的结果相对最优，判别准确率达到97%，所以人工网络模型结构为18-16-1，目标误差为0.001，训练函数为traingdx，在PC上经过114个训练周期达到目标要求.
5 结论
本文在回顾国内外财务预警系统经典文献和研究成果的基础上，以我国沪深A股IT企业为研究对象，依据公司财务危机前两年至四年的指标数据人工神经网络模型来进行研究，采用正交设计试验法对人工神经网络的相关参数进行优化，选用三个因素两个水平的正交表，并取得了较好的预测效果，实证研究得到以下结论：
（一）我国企业的财务指标包含着预测财务困境的信息含量，因此利用企业的财务比率可以预测其是否陷入财务困境.本文所选指标涵盖了反映公司财务状况的各方面因素，说明所建立指标体系是合理恰当的.
（二）对于较长时间跨度的模型预测问题，需要找出对企业整体经营状况有指示能力的变量，因此本文在筛选初始变量时，设定了三年连续显著的标准，选出具有前瞻能力的变量.
（三）运用正交设计法对人工神经网路输入参数的选择进行分析，结果表明正交试验法对神经网络的学习具有很好的效果，减少网络训练误差，它只需很少的样本就能达到实践中所要求的精度，很大程度上提高企业财务预警系统的准确率，控制财务危机现象产生的源头，从而实现企业财务预测的动态系统，具有广阔发展前景.
（四）从模型的超前预测能力看，距离ST的时间越近，预警系统的判别准确率就越高，尤其是t-2年，说明预警系统的预测水平随着距离ST时间长短而逐渐降低的.
在今后的研究方向上，希望在以下几个方面进行更深入的探讨和挖掘：在样本数据条件具备的情况下，可以从多个角度分析，例如分中小型企业进行财务危机预警系统的比较研究，预警指标的选择方面，除了一些定量指标，还要综合考虑管理层素质、员工素质、市场变化、宏观经济环境等定性指标的影响，可以利用层次分析法和模糊综合评价方法将定性指标量化，确保企业财务信息真实性.
教育期刊网 http://www.jyqkw.com
参考文献：
〔1〕马超群，吴丽华.基于邻域粗糙集和神经网络的财务预警研究[J].软科学，2009（11）.
〔2〕陈森发.基于正交试验法的神经网络优化设计[J].系统工程理论方法应用，2008（6）.
〔3〕张瑞君.财务管理信息化：IT环境下企业集团财务管理创新[M].中信出版社，2010.