赵莉（西北大学经济管理学院，西安710127）
摘要：本文通过对国内外公司财务危机预警相关文献的梳理，并且结合中国房地产行业的特点，提出了构建基于BP神经网络的我国房地产上市公司的财务危机预警模型。
关键词：财务危机；BP神经网络；房地产上市公司
中图分类号：F275文献标识码：A文章编号：1006-4311（2010）08-0051-01
0引言
对于中国房地产公司，构建一套完善先进的预警系统十分重要，构建一套基于科学预警理论研究成果指导下的专门针对房地产行业的财务危机预警系统迫在眉睫，它是房地产健康发展的客观要求，也是政府和房地产管理部门的规划、决策和调控走向理性的需要。
1文献回顾
几十年来，理论界围绕着如何更加准确地预测企业的财务危机展开了多种多样的研究，研究的重点集中在如下两个方面:
1.1企业财务危机的界定国外对财务危机的界定因研究目的不同而不同，主要有以下几种观点:①已经破产的企业；②进入破产程序的企业；③无力还本付息的企业；④资不抵债的企业。因此我们认为,由于有研究结果表明我国的资本市场目前仍处于弱式有效市场,信息的不对称导致尚无一种客观的评判标准,故对我国上市公司财务危机的界定主要是依据证监会定义ST企业的前两条标准,即出现下列情况之一的企业:①最近一个会计年度的审计结果中显示的净利润均为负值；②最近一个会计年度的审计结果中显示的其股东权益低于注册资本。即每股净资产低于股票面值。
1.2财务危机预测方法的研究从研究方法看，预测企业是否发生财务危机的方法一直在不断地改进和创新之中。从传统的预测方法来看，统计判定分析一直是研究预测企业是否会发生财务危机的一个好方法。
近年来，有关企业财务预测分析日益已经引起国内理论界和实业界的高度重视。我们认为，在我国目前上市公司财务数据并不很完善的情况下，应用多种研究方法建立我国上市公司的财务危机预测模型，通过比较分析有利于提高模型的适人工神经网络是由大量称为神经元的简单信息单元广泛连接组成的复杂网络用范围和预测的准确性。
2BP神经网络基本原理
人工神经网络是由大量称为神经元的简单信息单元的广泛连接所组成的复杂网络系统,用于模拟人类的大脑神经网络的结构和行为，使它具有学习、记忆、联想、归纳、概括和抽取、容错以及自学自适应等能力。本文采用典型的3层前馈型BP网络模型，它具有网络训练信息的正向传播过程和误差的反向传播过程。
设ai是网络样本输入值，bi是网络隐含层的输出值，cj为对应的实际输出值。输入神经元到隐层神经元的权值为vhi，隐层神经元到输出神经元的权值为wij，另外分别用θi和xj表示隐含层和输出层的阈值。三层BP网络的数学模型表示为:①利用样本输入层的信息以及输入神经元到隐层神经元的权值得到隐含层节点的输出:bi=；②输出层节点的输出:cj=最初的wij是设定的随机值；③输出层节点实际输出值cj与期望输出值之间的误差:；④向隐含层节点反向分配误差，令：；⑤隐含层到输出层的权值通过下式调整:Δwij=abidj（i=1，2，…，p；a是学习系数，0<a<1）；⑥输出层的阈值通过下式调整:Δyi=αdj（j=1，2，…，q）；⑦输入层到隐含层的权值通过下式调整:Δvhi=（h=1，2，…，n；i=1，2，…，p；β是动力冲量；0<β<1；⑧隐含层的阈值通过下式调整:Δθi=（i=1，2，…，p）；⑨重复（1）到（8）直到样本的输出误差在期望误差之内。
3神经网络的建立及模拟训练
3.1神经网络模型的建立
通过广泛考察以往国内外相关研究对最终模型有显着贡献的预测变量，主要采用的基本财务指标可以分为5个一级指标，盈利能力、偿债能力、成长能力、扩张能力和营运能力相关指标，又包含12个二级指标。
Bp神经网络把用来描述企业财务状况特征的12个指标做为神经网络的输入向量X=|X1，X2，…，X12|，将代表相应综合评价结果的值作为网络的输出Y，用学习样本训练这个网络，使不同的输入向量得到不同的输出量值，这样神经网络所持有的那组权系数值和阈值，便是网络经过自适应学习所得到的正确内部表示，经过反复学习训练，确定与最小误差相对应的网络参数（权值和阈值），训练即告停止。
3.2指标数据的归一化由于不同的指标数据量纲均不相同，不进行归一化就会将神经网络模型带入较大的系统误差，因此，考虑到神经网络训练的收敛问题，也为了便于最终评价值的确定，在网络学习训练前将学习样本和检验样本的原始指标数据同时进行归一化，以便消除指标量纲不同和系统误差所带来的影响本文采用正向和反向传播公式，将原始指标数据归一化到[0，1]之间。归一化公式为：①正向指标归一化公式：xij=（xij-minxi）（maxxi-minxi）；②反向指标归一化公式：xij=（maxxi-xij）（maxxi-minxi）。其中xij是xi中的第j个数据，maxxi是xi中数值最大的数据，minxi是xi中数值最小的数据。
3.3网络训练过程本文利用DPS软件的Bp神经网络工具箱进行了数据分析，采用12个指标进行上市公司财务预警，这样，网络输入层节点数i定为11，隐含层（中间层）的节点数1，输出层为1，允许误差为0.01，最小转换速度为0.01，最大训练次数为1000次。
将10年的样本数据作为神经网络辨识模型的训练样本，预测2009年企业的财务状况，继续用DPS软件的Bp神经网络工具箱对09年企业的财务数据进行分析，得出2009年的拟合结果为23.440,即2009年企业的财务数据将处于健康状态。
4研究结论
本文的研究结果表明:基于财务指标信息的BP人工神经网络方法是预测企业财务是否会发生财务危机的有效方法。