■ 李廣春 副教授（鄭州航空工業(yè)管理學(xué)院工商管理學(xué)院 鄭州 450015）

基于主成分和BP神經(jīng)網(wǎng)絡(luò)的創(chuàng)業(yè)板企業(yè)財務(wù)績效評價

■ 李廣春 副教授（鄭州航空工業(yè)管理學(xué)院工商管理學(xué)院 鄭州 450015）

本文從盈利能力、資產(chǎn)質(zhì)量、債務(wù)風(fēng)險和經(jīng)營成長能力四個方面選取創(chuàng)業(yè)板企業(yè)財務(wù)績效的評價指標，基于主成分分析法構(gòu)建了其評價指標體系，通過BP神經(jīng)網(wǎng)絡(luò)建立了財務(wù)績效的評價模型，最后對創(chuàng)業(yè)板企業(yè)財務(wù)績效進行了實證分析，驗證了模型的有效性。

創(chuàng)業(yè)板企業(yè) 財務(wù)績效 主成分分析 BP神經(jīng)網(wǎng)絡(luò)

引言

創(chuàng)業(yè)板企業(yè)財務(wù)績效評價是對上市公司的獲利情況、可持續(xù)發(fā)展能力和成長能力的評估，對減少投資風(fēng)險、保證資金安全、獲得預(yù)期收益起著重要的作用（徐勝男等，2011）。

關(guān)于企業(yè)財務(wù)績效評價的研究主要包括評價指標體系和評價方法兩個方面。關(guān)于財務(wù)績效評價指標體系的研究，夏秋（2007）從盈利能力、管理能力和風(fēng)險控制能力三個方面衡量商業(yè)銀行的財務(wù)績效水平。李慶東（2006）選取投資者獲利能力、盈利能力、企業(yè)發(fā)展能力、經(jīng)營效率、償債能力等五個一級指標作為石油化工類上市公司綜合財務(wù)績效的評價指標體系。趙息等（2012）采用代表盈利能力、償債能力、營運能力、發(fā)展能力共計9項指標檢驗上市公司的并購績效。

表1 創(chuàng)業(yè)板企業(yè)財務(wù)績效評價指標體系

表5 預(yù)測結(jié)果和實際結(jié)果比較表

關(guān)于績效評價方法，孫立成等（2012）運用因子分析模型對我國石油行業(yè)上市公司的財務(wù)績效進行了綜合評價。徐勝男等（2011）基于LMBP神經(jīng)網(wǎng)絡(luò)對創(chuàng)業(yè)板企業(yè)財務(wù)績效進行了評價。張水英（2012）對指標進行綜合評分，并對綜合評分進行正態(tài)性檢驗，比較創(chuàng)業(yè)板上市公司與滬市A股的財務(wù)績效。

楊自業(yè)和尹開國（2009）采用行為評估問卷調(diào)查方法來測度我國上市公司的社會績效水平。楊洪波（2012）等集成熵權(quán)法與改進的層次分析法對上市公司財務(wù)績效進行評價。李巍巍和吳沖（2012）通過集成層次分析法、灰色關(guān)聯(lián)度法、因子分析法對上市運輸類公司進行聚類分析。

目前的研究中，指標體系主要是通過主觀經(jīng)驗建立，指標之間可能存在關(guān)聯(lián)性?？冃гu價方法中對指標的評分也存在主觀性因素。因此，本文從盈利能力、資產(chǎn)質(zhì)量、債務(wù)風(fēng)險和經(jīng)營成長能力四個方面，選取了銷售凈利率、流動資產(chǎn)周轉(zhuǎn)率、速動比率等14個反映創(chuàng)業(yè)板企業(yè)財務(wù)績效的指標，通過主成分分析法確定了創(chuàng)業(yè)板企業(yè)財務(wù)績效的評價指標體系，并基于BP神經(jīng)網(wǎng)絡(luò)構(gòu)建了創(chuàng)業(yè)板企業(yè)財務(wù)績效的評價模型。

評價指標體系建立

（一）原始指標選取

創(chuàng)業(yè)板企業(yè)財務(wù)績效評價指標主要包括盈利能力、資產(chǎn)質(zhì)量、債務(wù)風(fēng)險和經(jīng)營成長能力4個一級指標，14個二級指標。具體的指標體系如表1所示。

（二）基于主成分分析法的指標篩選

1.指標篩選原理。為了消除指標間可能存在的關(guān)聯(lián)性，本文運用主成分分析法對這些指標進行壓縮。首先對樣本數(shù)據(jù)進行標準化處理，再根據(jù)需要選取前幾個最大的主成分反應(yīng)原始指標的大部分信息，這樣既避免了各指標之間相關(guān)性的影響，又提高了評價的準確性。

2.數(shù)據(jù)標準化。在主成分分析之前，需要對指標數(shù)據(jù)進行標準化處理，消除不同指標之間量綱不同的問題。原則如下：

當(dāng)指標值越大，評價目標越好時：

當(dāng)目標越小，評價目標越好時：

其中，F(xiàn)i是第i個指標經(jīng)過歸一化處理后的標準值，Xi是第i個指標的值，Ximax和Ximin分別是第i個指標的最大值和最小值。

3.指標篩選。根據(jù)主成分分析的基本原理（遲國泰等，2009），指標篩選的步驟如下：

第一步：計算樣本相關(guān)系數(shù)矩陣。設(shè)R為評價指標的相關(guān)系數(shù)矩陣；rij為第i個評價指標與第j個評價指標的相關(guān)性；m為評價指標的個數(shù)。則有：

第二步：計算相關(guān)系數(shù)矩陣R的特征值λ1、λ2、…、λm(λ≥0)及相應(yīng)的特征向量c1、c2、…、cm。

第三步：計算各主成分的貢獻率。設(shè)υi是第i個主成分的貢獻率；λi是第i個特征值。則有：

第四步：根據(jù)主成分的貢獻率篩選主成分。將各主成分貢獻率由高到低排列，當(dāng)前s個主成分的累計貢獻率達到85%以上時，取這s個主成分作為財務(wù)績效的評價指標。

表2 歸一化后的樣本指標數(shù)據(jù)

表3 特征值與主成分貢獻率

表4 主成分載荷

第五步：構(gòu)造新的樣本矩陣。根據(jù)：

計算每一個主成分的各樣本值，構(gòu)成新的n×s維樣本矩陣Z，作為BP神經(jīng)網(wǎng)絡(luò)模型的輸入。其中X為標準化的樣本矩陣，即有：

BP神經(jīng)網(wǎng)絡(luò)評價模型

（一）模型原理

BP神經(jīng)網(wǎng)絡(luò)（Error Back Propagation Network）通常是指基于誤差反向傳播算法的多層前向神經(jīng)網(wǎng)絡(luò)。該網(wǎng)絡(luò)的主要特點是信號前向傳遞，誤差反向傳播。在前向傳遞的過程中，輸入信號從輸入層經(jīng)隱含層逐層處理，直至輸出層。每一層的神經(jīng)元狀態(tài)只影響下一層神經(jīng)元狀態(tài)。如果輸出層得不到期望輸出，則轉(zhuǎn)入反向傳播，根據(jù)預(yù)測誤差調(diào)整網(wǎng)絡(luò)權(quán)值和閥值，從而使BP神經(jīng)網(wǎng)絡(luò)預(yù)測輸出不斷逼近期望輸出。BP神經(jīng)網(wǎng)路的拓撲結(jié)構(gòu)如圖1所示。

圖1中，X1，X2，…，Xn是BP神經(jīng)網(wǎng)絡(luò)的輸入值，Y1，Y2，…，Ym是BP神經(jīng)網(wǎng)絡(luò)的預(yù)測值，Wij和Wjk為BP神經(jīng)網(wǎng)絡(luò)權(quán)值。從圖1可以看出，BP神經(jīng)網(wǎng)絡(luò)可以看成是一個非線性函數(shù)，網(wǎng)絡(luò)輸入值和預(yù)測值分別為該函數(shù)的自變量和因變量。當(dāng)輸入節(jié)點數(shù)為n，輸出節(jié)點數(shù)為m時，BP神經(jīng)網(wǎng)絡(luò)就表達了從n個自變量到m個因變量的函數(shù)映射關(guān)系。

（二）網(wǎng)絡(luò)結(jié)構(gòu)及網(wǎng)絡(luò)參數(shù)

典型的BP神經(jīng)網(wǎng)絡(luò)有輸入層、隱含層和輸出層三層結(jié)構(gòu)。網(wǎng)絡(luò)在進行訓(xùn)練之前，需首先確定網(wǎng)絡(luò)的結(jié)構(gòu)，即輸入層、隱含層和輸出層每一層的節(jié)點數(shù)（遲國泰等，2006），以及每層神經(jīng)元之間的鏈接權(quán)重，網(wǎng)絡(luò)訓(xùn)練的精度和迭代次數(shù)。

網(wǎng)絡(luò)節(jié)點數(shù)：本文中網(wǎng)絡(luò)輸入層神經(jīng)元個數(shù)為主成分分析確定的主成分指標個數(shù)，輸出層神經(jīng)元個數(shù)為樣本的綜合評價值。根據(jù)經(jīng)驗公式（7）確定隱含層節(jié)點數(shù)的范圍。

其中，p為隱含層節(jié)點數(shù)，n為輸入層節(jié)點數(shù)，m為輸出層節(jié)點數(shù)，（1~10）為在1和10之間任選一個數(shù)字用來計算隱含層節(jié)點數(shù)。在此范圍內(nèi)，本文用比較法確定最優(yōu)的隱含層節(jié)點數(shù)。

初始權(quán)重：通過一個隨機發(fā)生器程序，產(chǎn)生一組[-1，1]的隨機數(shù)，作為網(wǎng)絡(luò)的初始權(quán)值。

允許誤差：網(wǎng)絡(luò)誤差平方和MSE達到了1e-6，網(wǎng)絡(luò)結(jié)束迭代計算，輸出結(jié)果。

迭代次數(shù)：根據(jù)所研究的問題規(guī)模確定，一般在1000-10000之間。

創(chuàng)業(yè)板企業(yè)財務(wù)績效評價

（一）評價樣本及數(shù)據(jù)來源

本文的數(shù)據(jù)來源于徐勝男等（2011）研究中的35家上市公司某一年的財務(wù)數(shù)據(jù)，按照式（1）和式（2）標準化后的數(shù)據(jù)如表2所示。隨機選取30家企業(yè)的數(shù)據(jù)作為訓(xùn)練樣本，剩余的5家作為測試樣本。

（二）用主成分分析法確定評價指標

將表2中2-15列標準化的數(shù)據(jù)代入式（3）得相關(guān)系數(shù)矩陣。根據(jù)相關(guān)系數(shù)矩陣可得特征值λ1、λ2、…、λm(λ≥0)及相應(yīng)的特征向量c1、c2、…、cm，其中前4個主成分特征值的累計貢獻率達到85%，如表3所示。這4個主成分在每個指標上的載荷如表4所示，對應(yīng)的特征向量為c。將表2中歸一化的評價指標數(shù)據(jù)和第二步中主成分分析得到的特征向量c代入式（5）得到新的樣本矩陣z。

由表4可知，第一個主成分與X4、X5、X11呈較強的正相關(guān)，其次是X2、X6，與X7、X9、X10呈較強的負相關(guān)。它們分別是盈利能力中的盈余現(xiàn)金保障倍數(shù)、凈資產(chǎn)收益率，資產(chǎn)質(zhì)量中的流動資產(chǎn)周轉(zhuǎn)率、資產(chǎn)現(xiàn)金回收率，償債能力中的速動比率、資產(chǎn)負債率、產(chǎn)權(quán)比率，經(jīng)營成長能力中的股東權(quán)益周轉(zhuǎn)率。因此可以把第一個主成分視為綜合能力。

第二個主成分與X1、X3、X8呈較強的正相關(guān)，其次是X6。它們分別是盈利能力中的銷售凈利率、成本費用利潤率，償債能力中的現(xiàn)金流動負債比率，資產(chǎn)質(zhì)量中的資產(chǎn)現(xiàn)金回收率。由此第二個主成分視為獲利能力。

第三個主成分與X12、X13呈較強的正相關(guān)，與X2呈較強的負相關(guān)。它們分別是經(jīng)營成長能力中的主營業(yè)務(wù)收入增長率、凈利潤增長率，盈利能力中的盈余現(xiàn)金保障倍數(shù)。因此可將第三個主成分視為綜合發(fā)展能力。

圖1 BP神經(jīng)網(wǎng)路的拓撲結(jié)構(gòu)圖

圖2 網(wǎng)絡(luò)誤差變化示意圖

圖3 網(wǎng)絡(luò)預(yù)測輸出

第四個主成分與X2呈較強的正相關(guān)，其次是X13、X14。它們分別是盈利能力中的盈余現(xiàn)金保障倍數(shù)，經(jīng)營成長能力中的凈利潤增長率、凈資產(chǎn)增長率。將第四個主成分視為運營保障能力。

由表3可知，四個主成分貢獻率依次為42.117%、25.011%、11.162%、8.367%。這說明綜合能力對企業(yè)的財務(wù)績效影響比較大，其次是獲利能力、發(fā)展能力。綜合能力中凈資產(chǎn)收益率、流動資產(chǎn)周轉(zhuǎn)率、資產(chǎn)現(xiàn)金回收率和股東權(quán)益周轉(zhuǎn)率貢獻率對其正向的影響較大，其次是盈余現(xiàn)金保障倍數(shù)，而速動比率、資產(chǎn)負債率、產(chǎn)權(quán)比率和凈資產(chǎn)增長率對其負向影響較大。獲利能力中銷售凈利率、成本費用利潤率和現(xiàn)金流動負債比率對其正向影響較大，其次是資產(chǎn)現(xiàn)金回收率。發(fā)展能力中主營業(yè)務(wù)收入增長率和凈利潤增長率對其產(chǎn)生正向影響，而盈余現(xiàn)金保障倍數(shù)產(chǎn)生負向影響。本文使用這4個主成分來代替原始的14個指標來衡量企業(yè)的財務(wù)績效。

（三）BP神經(jīng)網(wǎng)絡(luò)模型參數(shù)設(shè)置

網(wǎng)絡(luò)節(jié)點數(shù)的確定：主成分分析確定出的4個主成分構(gòu)造成4個指標，因此輸入層節(jié)點數(shù)為4。輸出層節(jié)點數(shù)為1，表示樣本的得分，如表2最后一列所示。隱含層節(jié)點數(shù)由經(jīng)驗公式（7）確定出的范圍為[3，13]。在此范圍內(nèi)，嘗試不同隱含層個數(shù)，反復(fù)進行網(wǎng)絡(luò)的學(xué)習(xí)訓(xùn)練，通過比較網(wǎng)絡(luò)誤差絕對值之和發(fā)現(xiàn)，當(dāng)隱含層節(jié)點個數(shù)為10的時候，網(wǎng)絡(luò)誤差絕對值之和最小，為0.0399。因此隱含層節(jié)點數(shù)取為10。綜上，本文財務(wù)績效評價的BP神經(jīng)網(wǎng)絡(luò)是一個4-10-1的網(wǎng)絡(luò)結(jié)構(gòu)。

初始權(quán)重的確定：通過隨機發(fā)生器程序，隨機在[-1，1]之間選取。

允許誤差的確定：選取1e-6作為允許誤差。

迭代次數(shù)的確定：每種不同隱含層數(shù)目的網(wǎng)絡(luò)迭代1000次。

（四）財務(wù)績效評價結(jié)果

隨機選取矩陣Z的前30個樣本輸入BP網(wǎng)絡(luò)模型進行訓(xùn)練。網(wǎng)絡(luò)迭代5步，網(wǎng)絡(luò)誤差平方和MSE達到誤差目標goal=1e-6的學(xué)習(xí)要求，網(wǎng)絡(luò)的收斂效果良好，如圖2所示。為了測試所建立的網(wǎng)絡(luò)模型的有效性，將剩余的5個樣本數(shù)據(jù)代入訓(xùn)練好的網(wǎng)絡(luò)中，預(yù)測得到5個企業(yè)的財務(wù)績效綜合評價值，如圖3所示。將仿真輸出與目標輸出進行比較，如表5所示。

結(jié)合圖3和表5可知，測試樣本仿真輸出與目標輸出的誤差很小，總的誤差絕對值之和為0.0399，而徐勝男等（2011）中的LMBP神經(jīng)網(wǎng)絡(luò)模型的評價誤差絕對值之和為0.08835，這說明本文構(gòu)建的評價模型更能夠準確地評價創(chuàng)業(yè)板企業(yè)的財務(wù)績效情況。

結(jié)論

本文從盈利能力、資產(chǎn)質(zhì)量、債務(wù)風(fēng)險和經(jīng)營成長能力四個方面選取財務(wù)績效的評價指標，首先運用主成分分析法提取出4個主成分，保留了85%的原始信息，避免了指標間相關(guān)性對后期評價的影響。然后將4個主成分作為BP神經(jīng)網(wǎng)絡(luò)的輸出，通過比較誤差絕對值之和，確定最佳的隱含層數(shù)目為10，使得網(wǎng)絡(luò)總的誤差絕對值之和為最小0.0399，說明所建模型減少了人為主觀因素和模糊隨機因素的影響，提高了評價的準確性和科學(xué)性。同時也得到綜合能力對財務(wù)績效的影響最大，其次是獲利能力、發(fā)展能力。

1.徐勝男，梅強，陳燕，朱維.基于LMBP神經(jīng)網(wǎng)絡(luò)的創(chuàng)業(yè)板企業(yè)財務(wù)績效評價研究[J].科技管理研究，2011（2）

2.夏秋.商業(yè)銀行財務(wù)績效評價指標體系研究[J].經(jīng)濟問題，2007（8）

3.李慶東.基于主成分分析的上市公司財務(wù)績效評價[J].遼寧石油化工大學(xué)學(xué)報，2006，26（3）

4.趙息，齊建民，郝靜.基于因子分析的上市公司并購財務(wù)績效評價—來自主板市場的經(jīng)驗證據(jù)[J].西安電子科技大學(xué)學(xué)報（社會科學(xué)版），2012，22（3）

5.孫立成，周德群，梅強.石油行業(yè)上市公司財務(wù)績效綜合評價研究[J].技術(shù)經(jīng)濟與管理研究，2012（7）

6.張水英.創(chuàng)業(yè)板上市公司與滬市A股財務(wù)績效比較研究[J].統(tǒng)計與決策，2012（14）

7.楊自業(yè)，尹開國.公司社會績效影響財務(wù)績效的實證研究—來自中國上市公司的經(jīng)驗證據(jù)[J].中國軟科學(xué)，2009（11）

8.楊洪波，胡畔，陳映赫.基于組合賦權(quán)的上市公司財務(wù)績效評價[J].遼寧工程技術(shù)大學(xué)學(xué)報（社會科學(xué)版），2012，14（5）

9.李巍巍，吳沖.上市公司財務(wù)績效的改進集成評價研究—以26家運輸公司為例[J].運籌與管理，2012，21（1）

10.遲國泰，鄭杏果，楊中原.基于主成分分析的國有商業(yè)銀行競爭力評價研究[J].管理學(xué)報，2009，6（2）

11.遲國泰，陳國斌，遲楓.基于神經(jīng)網(wǎng)絡(luò)的中國商業(yè)銀行效率綜合評價[J].哈爾濱工業(yè)大學(xué)學(xué)報，2006，38（4）

河南省科技廳科技發(fā)展計劃項目“基于環(huán)境約束的河南省經(jīng)濟協(xié)調(diào)增長研究”（編號：092400450055）

F275

A