1、1化工类上市公司财务危机预警探讨摘要：本文主要针对化工类上市公司，从介绍财务危机预警的涵义出发，简要介绍其研究现状和基本方法，并针对财务危机预警研究中存在的问题进行主要探讨，最后提出了一些改进性建议。 关键词：化工类上市公司 财务危机 非线性分析方法 一、引言 国内目前的化工行业产品齐全，生产与销售量较大，是全球化工生产和消费的大国之一，为国民经济的增长、提高人民消费水平贡献了巨大力量。但随着经济不断发展和人民消费水平不断提高，化工产业的经营环境将面临严峻的考验，此时做好公司的财务管理，减少危机的发生率是保证企业正常生产运营的有效途径之一，并达到增强化工行业企业生命力的效果。因此，对财务危机预
2、警进行探讨显得十分重要。 二、财务危机预警系统的涵义 财务危机，是指企业经营与财务周转不灵，使得公司经历无法按时偿还债务本息的窘境而最终导致破产的状态，又称财务困境或者财务失败。法律上的企业危机特指企业破产。 财务危机预警系统是是在企业信息化的基础上，借助一定的数学模型，考虑其超前预测效果，根据经营计划、企业财务报表和相关的其他财务资料发出预警信号，通过此信号辨别财务危机的有无或严重程度的一种监测系统和风险控制机制。 2三、化工类上市公司财务危机预警的基本分析方法 财务危机预警通常需要由发达的证券市场提供原始数据，并通过实证的分析方法对这些数据进行分析。我国对财务危机预警的方法很多，主要有单变
3、量分析法、二类线性判定分析、Z 分数模型、F 分数模型、基于 Jackknife 检验模型、基于粗糙-模糊神经网络（Rough-Fuzzy-ANN）的模型和基于 BP 算法的人工神经网络模型。本文着重介绍最后一种模型，因为前面的模型方法只是一些比较常规的线性分析方法，不适合用于化工类上市公司财务危机预警系统的建立，因为化工业的内容涵盖较为广泛，就目前来说国内化工业包含天然气、石油和煤炭等行业，他们具有不同特色，仅仅采用线性的常规分析方法则会造成较大误差。而采用基于 BP 算法的人工神经网络作为一种定性分析，不需要假定事先概率分布或者多变量正态分布就能通过其本身采用的非线性关系准确识别和模拟数据
4、，因而符合化工类上市公司的复杂性和综合性。 人工智能领域中的重要分支之一则是人工神经网络，该网络系统是由大量简单的神经元通过多种组合关系互相连接而形成的，是一种模拟人类大脑结构的用于并行大规模处理非线性问题的抽象计算模型。而所谓的 BP 算法是一种前向计算、误差反向传播的多层反馈神经网络。结合BP 算法和人工神经网络则形成了一种典型的非线性分析方法，即基于 BP算法的人工神经网络，它以人工神经网络系统为基础，主要有三大部分组成：一个输入层、隐含层（可以是多个） 、输出层，在此基础上引入 BP算法，将由作用函数运算后的输出结果与期望值作对比，如果误差在允许范围内则停止传播，反之则向反方向传播误差
5、，达到控制误差的目的，3使输出值符合精度的要求。 四、财务危机预警存在的问题及改进方法 高速发展的市场经济和日益成熟的证券市场使我国不少上市公司频繁陷入财务危机，而具有高投资、大规模和长周期特点的化工类上市公司的财务质量对国民与市场经济、企业投资者利益及社会的影响较为显著，因此对其财务危机的预测要求将越来越高，而由于我国这方面的起步较晚，研究时间相对西方国家来说相对较短，虽然已得到一些成果，但此研究还存在较多问题。以下针对几个问题提出相关建议。 1、证券市场不完善 通过上述分析可知，建立财务危机预警系统需要原始数据，而这些数据来自于证券市场。若证券市场不够完善，即使采用精度较高的模型来进行分析
6、，提供的数据就会对结果产生相对较大的误差，这将影响预警系统输出结果的精度。正所谓磨刀不误砍柴工，对此首先要完善证券市场，才能使上市公司财务危机预警达到一定效果。 2、模型缺乏理论依据 无论是国内还是国外，目前没有一个重要的理论能够说明财务比率在破产前的预测能力，说明支持财务危机预警系统的理论依据都比较薄弱。预测模型只能通过实证研究得到，从而影响预测模型的可靠性。为此，需要从理论出发，建立一个有说服力的优选预警变量的理论框架。 3、适合化工类上市公司财务危机预警的模型较少 只有采用非线性分析的模型才能准确地对化工类上市公司的财务危机进行预测，而前人提出的常规分析模型是基于线性分析的，若采用这4些
7、模型将造成较大的误差。目前主要采用的非线性分析模型是基于 BP 算法的人工神经网络模型，虽然目前的预警结果相对准确，但面对市场经济的发展，也许误差会不断增大，因此亟需广大学者对基于非线性分析的预警模型进行研究。 四、结语 建立财务危机预警系统的目的是帮助企业及时处理和解决预警系统提前预测出的潜在风险。通过对预警系统的现状研究，大多数财务危机预警的分析方法具有局限性，即判别方法仅对同一行业有效，而化工类上市公司的综合性较强，从而限制了常规线性分析方法的使用，目前针对化工类的 BP 人工神经网络财务危机预警研究方法是较能行之有效的，从而充分体现了该技术在危机预警方面的优势，但在财务指标的筛选上还是
8、存在较大误差，模型还不够简化等缺点，因此说明化工类上市公司的财务危机预警系统还存在较多问题，限于篇幅，本文只列出几条。总而言之，财务危机预警的问题不容忽视，特别是在市场经济竞争十分激烈与险恶的环境下。这项任重道远的系统工程需要广大学者的不断深入探讨与实践，使其发挥良好的实用价值。 参考文献： 1周春生.企业风险与危机管理M.北京大学出版社，2007 2杨淑娥.企业多层次财务危机预警研究方法与应用M，经济科学出版社，2009 3李嵘，王志仁，王清.基于 BP 神经网络的财务预警实证研究J.辽宁师范大学学报（自然科学版） ，2009（4） 54胡延杰，夏国平.BP 神经网络财务危机预警实证研究J.北京航空航天大学学报（社会科学版） ，2009，22（4）
