1 引 言
1.1 研究的背景
纵观我国证券市场发展的历史轨迹，可以追溯到 20 世纪 90 年代。1990 年 12月，上海交易所成立，1991 年 7 月，深圳证券交易所成立，此后，我国证券市场取得了蓬勃的发展，上市公司数目如雨后春笋般，呈现井喷的发展态势。成立之初，深市仅有 5 家上市公司，沪市仅有 8 家上市公司，而截至 2011 年 4 月 20 日，深沪两市的上市公司(A、B)达到了 2240 家，其中深市 1299 家，沪市 941 家。上市公司作为现代公司制的最高形式，由于与传统型企业相比有着诸多优点，传统企业已望尘莫及。因此，上市公司已经成为我国国民经济中必不可少的一部分，以其高水平的盈利能力和成长性，发展成为推动国民经济增长的中流砥柱。伴随着证券市场的快速发展，我国上市公司数量逐年递增，规模不断扩大，结构不断优化，运作不断规范，越来越多的投资人通过证券市场进行投资，既为上市公司输入了紧缺的资金，又为自己带来了投资收益。
在激烈的市场竞争中，优胜劣汰是它的主旋律。部分公司由于公司管理层素质低下、追求过高的经济回报等原因，导致公司治理结构失衡、管理出现混乱，公司业绩下降，出现亏损，甚至更严重，面临退市危险，使投资者、债权人遭受巨大经济损失。企业被淘汰出局，无论是从宏观方面来看，还是从微观方面看，都会造成非常不利的影响。从微观方面来看，企业雇员会因此面临失业的威胁，投资者和债券人会因为财务困境面临着投资或债权无法收回受损的现实困境，企业的相关利益方可能由于企业被淘汰而受到损害。从宏观方面来看，公司的财务困境会对国家的税收、金融体系的稳定性和经济增长造成威胁，因为它涉及到一个国家宏观经济的发展、金融体系的稳定、甚至社会安定等重大问题。因此，财务困境成为公司的老板、公司的雇员、相关公司和各级政府等利益相关者都非常关注的焦点。
伴随着经济全球化的日益提高，企业财务困境成为市场经济中的一个常见的现象，也成为一个世界性的问题。1998 年 3 月 16 日，中国证券监督管理委员会（简称证监会）发出《关于上市公司状况异常期间的股票特别处理方式的通知》，规定：上市公司出现“状况异常”时，证券交易所应对其股票交易实行特别处理(Special Treatment，ST)。上市公司被特别处理的内容如下：（1）在特别处理之前于指定报刊头版刊登关于特别处理的公告；如果公告日为交易日，该股票及其衍生品种于公告当日停牌一天；（2）股票价格的日涨跌幅度限制为 5%；（3）在股票前添加“ST”(SPECIALTREATMENT 的缩写)标志；（4）在指定报刊中另设专栏刊登特别处理股票的每日行情；（5）中期报告必须经过审计。被特别处理一般至少应持续一年。1998 年 4 月27 日，出现了第一家被特别处理的上市公司——辽物资（000511），此后，“ST”上市公司的数量呈现急剧上升的态势。
对状况异常的上市公司进行特别处理的方式在为公司管理层、投资者和其他利益相关者提供警示方面发挥了重要作用。上市公司在被特别处理后，公司自身和投资者、债权人及利益相关者都将承受巨大的压力和威胁，公司自身必须努力改善经营管理状况，改善资产结构，以达到尽快摘帽、恢复正常的目的；并且，ST 公司的投资者和债权人合理的收益也受到威胁，其资产无法保值增长，甚至会出现严重亏损。因此，科学的上市公司财务困境预测指标体系和模型的建立，能够客观、及时、准确的判断和预测上市公司的财务风险和困境程度，能够及时揭示风险并采取有效的防范、化解风险的措施、保证上市公司财务健康的持续发展。
1.2 研究的意义
通常情况下，大多数企业陷入财务困境都是由财务状况正常到逐步恶化再至财务困境这样一个渐进的过程。因此，上市公司的财务困境不但具有预兆的，而且是可以预警的。因此，对研究财务困境的成因及其形成的规律进行深入的研究，及时采取有效的预警措施，不仅能够使财务困境发生的几率大大下降，也能够为投资者及各方利益相关者提供决策工具。建立一套健全的财务困境预警指标体系，应用科学、准确的预警模型，能够为利益相关者的决策活动提供一个非常实用和有效的工具。因此，对上市公司财务困境预警的研究有着重要的理论和现实意义，具体表现在以下几个方面：
1. 有利于公司管理层及时调整管理经营策略对于上市公司管理层来说，财务困境预警提供的相关数据信息和预警模型能够在公司经营状况恶化之前发出预警，能够及时发现公司存在的问题，发觉公司经营状况恶化的先兆及原因，因而，公司管理层可以提前采取相应的措施，及时、有效地调整公司的管理经营策略，减少企业陷入财务困境的概率。因此，财务困境预警可以作为公司经营状况的变化趋势的判断依据，同时，在公司绩效评估及决策中也发挥着重要作用。
2. 有利于保护债权人的权益上市公司的债权人主要包括贷款银行、融资租赁出租方、公司债券持有人等。由于，我国目前尚无统一的、完整的信用风险评估评价体系，很多债权人在进行评估分析时，基本上从定性的角度出发。而财务困境预警则可以为债权人建立一套比较完善的指标体系和预警方法。通过财务困境预警债权人可以正确的判断企业的偿债能力，能准确预测公司的财务困境，可在公司陷入财务困境前，加大清收贷款的力度、尽早回收本利，使贷款损失减少。同时，利用财务困境预警可以对潜在的债权人进行贷款的安全性评估，对是否借贷进行预警，避免因做出错误的决策而造成惨重损失。
2 财务困境的界定及指标体系的构建
财务困境预测主要涉及三个问题：一是财务困境的界定；二是财务困境预测指标体系的构建；三是预测模型的选择。其中财务困境预测指标的构建是财务困境预测研究中一项极其重要的环节。引起财务困境的指标有很多，目前还没有出现一个规范性的理论来概括和解释所有指标。因此在实证研究中，只能靠其他标准或者财务分析来确定各类指标，对指标的筛选只能依旧以往的经验。我们知道上市公司通过发行股票是为了筹集资金，而股票市场的波动对上市公司财务状况影响巨大。为了更全面的分析影响上市公司财务状况的指标，本文在前人提出的预测指标体系基础上加入了影响上市公司融资的股票价值指标，改进了上市公司财务困境预测指标体系。这一类股票价值指标可以很好的反映上市公司的融资情况并间接影响到上市公司的财务状况，对于上市公司的财务困境预测而言有着重要的作用。
3 上市公司财务困境预测模型.................... 24-34
3.1 传统预测模型.................... 24-26
3.1.1 判别分析.................... 24-25
3.1.2 多元逻辑回归 ....................25-26
3.2 人工智能模型.................... 26-32
3.2.1 支持向量机.................... 26-30
3.2.2 Elman神经网络.................... 30-32
3.3 基于传统方法与ELMAN神经网.................... 32-34
4 实证研究 ....................34-48
4.1 研究样本的设计.................... 34
4.2 财务困境指标体系的预处理.................... 34-39
4.2.1 显著性检验.................... 35-37
4.2.2 主成分分析 ....................37-39
4.3 实证结果及比较分析.................... 39-46
4.3.1 判别分析的实证结果.................... 39-41
4.3.2 多元逻辑回归的实证结果.................... 41-42
4.3.3 支持向量机的实证结果 ....................42-43
4.3.4 Elman神经网络的实证结果.................... 43-45
4.3.5 组合模型的实证结果 ....................45-46
4.4 结果比较分析.................... 46-48
结论
本文以沪深两市 A 股为研究对象，选取了 180 家上市公司作为研究样本，其中 120 家训练样本，60 家测试样本。确定了 26 个指标作为预测变量，运用显著性检验和主成分分析，对样本指标数据就行了检验和约简。最后利用传统预测模型、人工智能模型和组合预测模型进行了实证研究。文章主要工作如下：
(1) 构建指标体系时，在以往研究的基础上，本文加入了股票价值指标，即：市盈率，市销率，市净率，托宾 Q，为了从多方面反映上市公司的财务状况。
(2) 构建了基于 Elman 神经网络的组合预测模型，其中组合预测的权重用神经网络自学习获得。#p#分页标题#e#
(3) 分别用传统预测模型、人工智能模型和组合预测模型进行了实证，通过结果比较分析发现，人工智能模型预测准确率要优于传统预测模型，组合预测模型要优于单一预测模型。
参考文献
[1] 周首华,杨济华,王平.1996.论财务困境的预警分析-分数模型[J].会计研究,(8)：8-11.
[2] 陈静.1999.上市公司财务恶化预测的实证分析[J].会计研究,(4):31-38.
[3] Fitzpatrick P J,A comparison of ratios of successful industrial/cwglbylw/ enterprises with those of failedfirms[J],Certified Public Account,1932：16-23.
[4] Beaver,W.H.,Financial Ratios as Predictors of Failure,supplement to Journal ofAccountingResearch,1966：34-47.
[5] Altman E I.Financial ratios，discriminant analysisand the prediction of corporate bandruptcy[J].Journal of Finance，1968(9):58-92
[6] Altman,E.I.,Eisenbeis,R.A..Financial applications of discriminant analysis:a clarification[J].Journal of Financial and Quantitative Analysis,1978:185-195.
[7] Ohlson James A,Financial ratios and the probabilistic prediction of bankruptcy[J],Journal ofAccounting Research,1980,19-31.
[8] Zmijewski,M.E..Methodological issues related to the estimation of financial distress predictionmodels[J].Journal of Accounting Research,1984,22:59-86.
[9] Lapedes A and R Farber.Nonlinear signal processing using neural networks: Prediction andsystem modeling[J].Technical Report LAUR-87-2662,Los Alamos National Laboratory,LosAlamos.NM,1987.
[10] P.Ravi Kumar,V.Ravi.Bankruptcy prediction in banks and firms via statistical and intelligenttechniques-A review[J].European Journal of Operational Research,2007(180):1-28.
