第一章绪论
1.1研究背景和意义
财务危机又称为财务困境，通常而言，财务危机是指企业由于经营或决策失误，导致到期债务无法偿还而出现财务状况恶化的情况，最为严重的就是破产。财务危机广泛、客观地存在于企业的全部财务活动中，一旦发生将影响企业的持续经营和健康发展，财务危机的客观存在使企业经营者无法回避和忽视。
我国的金融体系、资本市场、公司治理以及财务状况披露等各个方面都还很不完善，一些公司因为种种原因导致亏损、财务状况异常甚至出现资不抵债最终破产的情形，尤其是随着金融危机的爆发和蔓延，更多企业陷入了严重的财务困境。财务危机的出现使得这些公司的投资者、债权人的利益受损，国家的经济稳定也会受到威胁。随着我国资本市场的完善、企业管理模式的进步、投资者财富保值增值诉求的升级以及民众对于加强监管的呼吁，市场上的各个主体对于能够及早准确地预测公司发生财务危机的需求越来越强烈。通过财务危机预警系统，相关企业和管理部门能够尽早发现问题，采取对应措施，使各方利益得到保障，财务危机预警对各利益相关方有着重要意义:
(l)有利于监管部门加强监管，稳定经济发展形势。目前，我国证券市场的监管机制主要以事后监管为主，即对连续两年出现亏损的上市公司实行ST制度，对连续三年亏损的上市公司实行退市制度。从证券监管部门角度来说，根据相关指标提供的信息进行分析，可以帮助监管部门提前掌握上市公司可能发生的财务窘境，对于可能陷入财务困境的上市公司给予更多关注，以起到维持市场稳定和保护投资者利益的作用。
(2)有助于提高公司治理水平和危机管理能力。对于上市公司来说，在企业内部建立财务危机预警模型不仅仅限于发现危机，更重要的是在预测到危机之后所做的一系列工作，包括在发生危机时积极配合相关部门寻找根源及时纠错、建立追踪系统持续跟踪财务状况。另一方面，出现了财务危机不仅是让公司认识到可能将出现问题，而应当更注重日常管理和监控，随时充分考虑各种可能导致危机的原因，以便及时调整公司的财务决策和经营策略，避免陷入破产的危机中。
(3)有助于保护投资者利益。从投资人角度来说，进行财务危机预警分析，一方面可以帮助投资者规避那些可能发生财务危机的公司，更好地做出投资决策;另外，对于已经投资的公司，投资者可以在发现企业财务危机征兆时及时调整投资组合，避免更大损失。
(4)有利于债权人规避风险。对于债权人来说，进行财务危机预警分析，可以提前了解企业的财务健康状况，维护自身利益。债权人一般包括商业银行，提供借款的外部企业或个人，以及其他对企业有求偿权的实体。债权人一方面不能干预企业的生产经营，另一方面又与企业的经营状况休戚相关，因此我们可以通过对债务企业的财务指标进行分析，了解企业发生财务危机的可能性，做出合理决策。例如银行等金融机构可以利用这种预测方法，及时更改放贷政策并进行贷款授信额度控制。
综上，对于各利益相关方来说，建立财务危机预警模型都是非常有必要的，也是在国内经济高速发展，企业不断壮大的过程中面临的现实问题。目前，财务危机预警的研究大都停留在利用企业初始的财务报表基础上，忽略了非财务数据对于企业经营的影响。而且，对指标预处理和最后的决策算法都设计得比较简单，提前三年的预测精度普遍不高，这从预警的意义来说，实际可操作性并不强。另外，研究者在进行模型构建之前，都没有针对企业的内在特点进行分类建模研究，如果按照统一标准对所有企业建立一个模型，这无疑会降低模型的预测能力，但根据证监会的行业分类又过于精细，某些行业陷入危机的企业远远达不到建模的数量。因此，本文研究希望达到以下目的:对现有研究上的不足加以改进，从企业分类，指标选取到决策算法设计，建立一套比较完善和实用的预警评价体系，旨在给各方提供一个更优的预测分析系统。
1.2财务危机预警研究综述
1.2.1国外研究综述
国外对于财务危机预警的定量研究始于20世纪30年代，经过近一个世纪的发展，形成了以下几类主要的预警模型:一元判别模型、多元线性判别模型、多元逻辑判别模型、非线性判别模型以及其他模型。以下依据上述模型的提出时间，对财务预警的国外研究成果和现状进行总结。
(l)一元判别模型最早运用模型开展财务预警定性研究的是FitzPatrick(1932)的单变量财务困境预测研究。他以19家企业为样本，运用单个财务比率将样本划分为破产与非破产两组，研究结论为“净利润/股东权益”以及“股东权益/负债”两个比率的判别能力最高。但是由于当时统计工具较落后，因此研究仅仅是对选定的财务比率进行相互之间的比较分析，还属于描述性分析的范畴。Beave的单一比率模型(univariatediscriminantmodel)。1966年10月，美国财务分析领域的学者Beave在美国的《会计研究》上发表了《作为失败预测的财务比率》一文，提出了利用单一的财务比率来预测企业财务危机的方法。研究结论表明，债务保障率(现金流量/债务总额)，资产收益率(净收益/资产总额)和资产负债率债(债务总额/资产总额)对于预测企业财务危机是有效的。zmijewski的单变量模型。1984年zmijewski选用破产企业和非破产企业作为样本，分别计算了这两类企业的各个财务比率在破产前一年的均值，然后对其进行F检验，最后用单变量模型计算每一个比率的判别正确率。
作为最早出现的财务危机预警定量研究模型，单变量模型相对简单，容易理解，具有较强的客观性，为后来的研究奠定了理论基础。但这类研究方法没有将多个比率结合起来考虑，在实际运用过程中无法避免地会出现某些单一指标互斥的情况，或是出现采用不同比率可能会得到不同的结论，这是单变量模型的致命缺陷。因此，研究者尝试把多个财务变量综合到一个方程式中，避免以往单变量方法的弱点，也就是随后出现的多变量判别模型。
第二章财务危机预警理论与方法
2.1财务危机相关概念
对于财务危机的定义，目前国内外还没有一种统一的定义标准。国外现有的研究关于财务危机的概念，从名称上就有以下几种称谓:FinancialCrisiS(财务危机)、FinancialDIStresS(财务困境)、FinancialFailure(财务失败)、Bankruptcy(破产)等。从文献上来看，研究者对财务危机、财务困境、财务失败和破产的概念区分并不十分严格，由于所选择的样本不同，这些研究在其各自的定义上有一定程度的差异。总体上来说，国外学者对于财务危机定义的研究，主要有两种思路:第一种是以企业宣布破产清算作为财务危机的标志，如Altman(1968)就持这种观点;另一种则认为企业发展中会遇到各种各类的财务危机，但财务危机并不一定会使企业破产，如Beave:(1966)就认为，企业陷入财务危机有四种情况，按照严重程度依次递增，分别为“银行透支”、“无法支付优先股股利”、“无法支付债券利息”以及“宣布破产清算”。
国内的研究大多数是以上市公司中，由于财务状况异常而被特殊处理(ST)作为企业陷入财务危机的标志，陈晓(2000)对此也做了如下解释:首先，在我国的上市公司制度中，定义“连续两年亏损或净资产为负值”的上市公司将被实行“ST”，这说明这些公司实际上已经面临了严重的经营困难，缺乏盈利能力甚至资不抵债，已经处于财务危机之中。其次，根据我国证券市场的情况，上市公司即使面临破产风险，但其仍然是一种珍贵的“壳资源”，其他希望上市的公司会采取“买壳上市”的手段获得上市资格，而ST企业也会想方设法保住这个“壳”。到目前为止，我国还没有一家上市公司发布破产清算的公告，因此我们就无法通过破产作为企业陷入财务危机的标志进行样本选取。最后，上市公司的“ST”制度已经作为一项重要的监管手段实施多年，而上市公司经过审计后的财务报表也具有较高的可信度，因此，以上市公司被“ST”作为财务危机的标志，能够较容易确定研究样本。综上所述，把“ST”作为我国上市公司陷入财务危机的标志是可行的，本文也以我国上市公司中，首年被“ST”的公司作为陷入财务危机企业样本，非“ST”公司作为财务健康企业样本，建立财务危机预警模型。
第三章 指标体系设计与SVM 预警.......................... 29-40
3.1 预警指标体系设计........................ 29-31
3.1.1 预警指标选取原则........................ 29
3.1.2 预警指标体系的初步建立........................ 29-31
3.2 基于SVM 的财务危机预警模型........................ 31-39#p#分页标题#e#
3.3 本章小结 ........................39-40
第四章 改进的粒子群优化模糊C ........................ 40-49
4.1 聚类算法及其局限性 ........................40-41
4.2 模糊C 均值聚类算法........................ 41-42
4.3 基于粒子群优化的模糊C 均值聚........................ 42-47
4.4 实验与结果分析........................ 47-48
4.5 本章小结 ........................48-49
第五章 基于分类SVM 的企业财务危机........................49-63
5.1 样本选取与数据预处理 ........................49-54
5.1.1 研究样本选取与描述 ........................49-51
5.1.2 预警指标体系的主成分提取........................ 51-54
5.2 样本企业聚类分析及结果解释........................54-56
5.3 基于分类SVM 的企业财务危机........................ 56-62
5.3.1 模型建立........................ 56-57
5.3.2 实证结果分析 ........................57-59
5.3.3 结果比较 ........................59-62
5.4 本章小结 ........................62-63
结论
本文的研究是在综合了国内外大量关于财务危机预警研究的基础上进行的，针对国内的具体情况，从预警指标体系的建立，上市公司分类以及构建预警模型三个方面对问题进行研究。选取了近两年沪深两市A股上市公司共228家作为研究样本，将公司因财务状况异常而被特别处理(ST)作为企业陷入财务危机的标志，使用SPss和Matlab作为分析工具进行研究。下面对本文的研究做一个总结:
(l)本文在综合现有研究的基础上，引入了非财务信息作为预警指标，建立了一套新的报表体系，包含六大类的信息:盈利能力、偿债能力、营运能力、规模与成长能力、盈余管理能力和非财务信息(股权结构、股息率、换手率等)。本指标体系共有31个指标，可以比较全面地反映公司的经营状况。
(2)采用主成分分析对数据进行预处理。主成分分析是以最少的信息损失，将众多的原始变量浓缩成为少数几个主成分，使得变量具有更高的可解释性。通过对原始指标进行主成分分析，不仅消除了原始指标多重共线性的问题，而且旋转后的14个主成分包含了31个原始指标中86%的信息量，在信息损失较低的前提下，使指标个数的压缩比超过50%，极大地降低了模型的复杂度。
(3)摒弃了大多数研究中不考虑企业分类或仅研究一个行业的做法，本文在建立预测模型之前，首先根据各企业的内在特点进行分类，再分别针对各类企业进行建模。为了兼顾模型精度和研究的可行性，本文采用了聚类分析方法进行类属划分，尽可能地把内在特征相近的几个行业归为一个大类。另一方面，考虑到传统的聚类分析硬划分的属性，但现实中的大多数事物往往具有模糊性，所以模糊聚类的概念更适合事物的本质，能更客观地反映现实。
(4)本文采用模糊C均值聚类算法(FCM)作为分类工具。进一步研究发现，FCM存在对初值敏感，易陷入局部收敛的缺陷，为了改进算法的缺陷，使用粒子群算法(PSO)对FCM的迭代过程进行优化，给出一种基于PSO的改进模糊C均值聚类算法，实验结果表明，新的算法在聚类效果和稳健性上要优于传统的FCM算法。
参考文献
[1] Marshall A., Principles of Economics, 8th edition, Macmillan, London,1920.
[2] Gehrig.Tan Information Based Explanation of the Domestichttps://www.51daxielunwen.com/cwglxnlw/ Bias in International Equity Investment.The Scandinavian Journal of Economics,1993:97-101.
[3] Davis E.P. International Financial Centers-an Industrial Analysis. Bank of England DiscussionPaper,1988:50-57.
[4] Moran, P. P. A. Notes on Continuous Stichastrc Phenomona Biometrika, 1950,37, 17 - 23.
[5] Zhao XB.Spatial Restructuring of Financial Centers in Mainland China and Hongkong:A Geographyof Finance Perspective.Urban Affairs Review,2003,38(4):535-571 .
[6] Bossone B.,Sandeep Mahajan Farah Zahir.Financial Infrastructure,Group Interests and CapitalAccumulation.IMF Working Paper,January,2003.
[7] Based Explanation of the Domestic Bias Gehrig.Tan Information in International Equity Investment.The Scandinavian Journal of Economics,1993:97-101.
[8] Martin R., Sunley P. Deconstructing clusters: chaotic concept or policy panaceal, Journal ofEconomic Geography. 2003, (3): 5 -35.
[9] Malmbeg A., Maskell P., 2002.The elusive concept of localization economies: towards aknowledge-based theory of spatial clustering, Environment Planning. 34: 429-449.
[10] Barro，R.，Lee，J.W. International Comparison of Educational Attainment. Journal of MonetaryEconomics，1993，32(3)，363-394.
