魏敏

摘要：隨著娛樂(lè)業(yè)的迅猛發(fā)展，其財(cái)務(wù)風(fēng)險(xiǎn)變得日益突出，對(duì)娛樂(lè)業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)進(jìn)行監(jiān)管已勢(shì)在必行，目前對(duì)于娛樂(lè)業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警的研究存在嚴(yán)重不足。為了有效防范娛樂(lè)業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)，現(xiàn)通過(guò)對(duì)娛樂(lè)行業(yè)財(cái)務(wù)風(fēng)險(xiǎn)分析選取財(cái)務(wù)預(yù)警指標(biāo)，構(gòu)建基于BP神經(jīng)網(wǎng)絡(luò)的娛樂(lè)業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型，擺脫了人為在確定權(quán)重時(shí)的困難，以及隨機(jī)性和模糊性的影響，并利用SPSS數(shù)學(xué)分析軟件對(duì)樣本進(jìn)行訓(xùn)練以及仿真驗(yàn)證，預(yù)測(cè)娛樂(lè)業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)。

關(guān)鍵詞：財(cái)務(wù)預(yù)警;BP神經(jīng)網(wǎng)絡(luò);娛樂(lè)業(yè)

中圖分類(lèi)號(hào)：F275? ? 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1005-913X（2019）12-0102-04

一、引言

隨著娛樂(lè)業(yè)的不斷拓展，其面臨的風(fēng)險(xiǎn)也變得越來(lái)越多，傳統(tǒng)的財(cái)務(wù)理論，如持續(xù)經(jīng)營(yíng)的假設(shè)早已不能夠滿足現(xiàn)在企業(yè)實(shí)際情況，當(dāng)今企業(yè)的發(fā)展面臨的不確定性因素越來(lái)越多，所以企業(yè)需要進(jìn)行必要財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警以便能夠制訂合理的發(fā)展策略。良好的風(fēng)險(xiǎn)預(yù)警能夠在風(fēng)險(xiǎn)到來(lái)之際，預(yù)測(cè)給企業(yè)帶來(lái)?yè)p失的嚴(yán)重性，使企業(yè)及時(shí)做好防范措施，加強(qiáng)管理，并且進(jìn)行正確的識(shí)別與評(píng)估收益以及風(fēng)險(xiǎn)成本，在最大程度上降低財(cái)務(wù)風(fēng)險(xiǎn)帶來(lái)的損失。

BP神經(jīng)網(wǎng)絡(luò)是目前為止我國(guó)使用比較多的數(shù)據(jù)挖掘手段之一，它最本質(zhì)的作用就是調(diào)整每個(gè)層之間的權(quán)值即參數(shù)值，從而使其本身能夠?qū)颖炯M(jìn)行記憶。BP神經(jīng)網(wǎng)絡(luò)的算法結(jié)構(gòu)總體來(lái)說(shuō)比較簡(jiǎn)單，易于被使用者接受，大多數(shù)神經(jīng)網(wǎng)絡(luò)所面臨的問(wèn)題它基本上都可以解決，是一種比較優(yōu)秀的運(yùn)算模型。研究基于BP神經(jīng)網(wǎng)絡(luò)構(gòu)建了娛樂(lè)業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型，并利用 SPSS 軟件對(duì)建立的模型進(jìn)行訓(xùn)練以及驗(yàn)證，期望所建模型能夠解決邏輯回歸模型、單變量以及多變量模型等存在的缺陷，進(jìn)而得出比較準(zhǔn)確的且令人滿意的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警效果。

二、娛樂(lè)業(yè)財(cái)務(wù)風(fēng)險(xiǎn)

（一）流動(dòng)性風(fēng)險(xiǎn)

流動(dòng)性風(fēng)險(xiǎn)通俗的講就是娛樂(lè)業(yè)資金在流轉(zhuǎn)過(guò)程中存在的風(fēng)險(xiǎn)。如：不能準(zhǔn)時(shí)付現(xiàn)、不能正常現(xiàn)金轉(zhuǎn)移等。從這個(gè)層面上來(lái)講，我們可以把娛樂(lè)業(yè)的流動(dòng)性風(fēng)險(xiǎn)分為兩種，即償付能力以及變現(xiàn)能力帶來(lái)的風(fēng)險(xiǎn)。變現(xiàn)能力造成的風(fēng)險(xiǎn)是由于娛樂(lè)業(yè)的資產(chǎn)在轉(zhuǎn)移的過(guò)程中不能實(shí)現(xiàn)明確有效的結(jié)果，則帶來(lái)一定的風(fēng)險(xiǎn);償債能力和支付能力導(dǎo)致的風(fēng)險(xiǎn)是因?yàn)閵蕵?lè)業(yè)現(xiàn)金不夠充足或者現(xiàn)金不能夠清償債務(wù)帶來(lái)的問(wèn)題。

（二）投資風(fēng)險(xiǎn)

一般情況下，市場(chǎng)的商品供給數(shù)量、購(gòu)買(mǎi)者的需求結(jié)構(gòu)、市場(chǎng)供求等各種因素的變化都是無(wú)法準(zhǔn)確預(yù)測(cè)的，甚至根本沒(méi)有預(yù)料到。所以，投資活動(dòng)就會(huì)給娛樂(lè)業(yè)的公司帶來(lái)無(wú)法預(yù)測(cè)的風(fēng)險(xiǎn)，例如，最終的收益偏離預(yù)期的收益。

（三）經(jīng)營(yíng)風(fēng)險(xiǎn)

經(jīng)營(yíng)風(fēng)險(xiǎn)又可以稱(chēng)為營(yíng)業(yè)風(fēng)險(xiǎn)，主要是由于意料之外的匯率變動(dòng)或者經(jīng)營(yíng)的各個(gè)環(huán)節(jié)中存在的不確定性因素導(dǎo)致企業(yè)經(jīng)營(yíng)性的現(xiàn)金流運(yùn)動(dòng)發(fā)生遲滯、產(chǎn)品價(jià)值變動(dòng)等問(wèn)題。娛樂(lè)業(yè)在經(jīng)營(yíng)過(guò)程中容易存在銷(xiāo)售假冒產(chǎn)品，違約行為，發(fā)生不正當(dāng)競(jìng)爭(zhēng)行為以及虛假宣傳行為等，這些錯(cuò)誤的行為都會(huì)給企業(yè)的財(cái)務(wù)帶來(lái)不同程度的影響。因此，要加強(qiáng)娛樂(lè)業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)管理首先要從企業(yè)經(jīng)營(yíng)過(guò)程中每一個(gè)細(xì)小的環(huán)節(jié)進(jìn)行管理。

（四）資金回收風(fēng)險(xiǎn)

娛樂(lè)業(yè)在經(jīng)營(yíng)過(guò)程中會(huì)有大量的資金用于投放，那么資金的回收就會(huì)成為問(wèn)題，成品資金不一定能夠完全的轉(zhuǎn)化成結(jié)算資金，如：制作一部電影、建立娛樂(lè)場(chǎng)所等，但是后期的收益如何無(wú)從知曉，或者結(jié)算資金不一定能夠轉(zhuǎn)化成貨幣資金。

（五）籌資風(fēng)險(xiǎn)

企業(yè)的籌資風(fēng)險(xiǎn)主要是由債務(wù)和權(quán)益兩種籌資帶來(lái)的風(fēng)險(xiǎn)。因?yàn)楹暧^經(jīng)濟(jì)的變化以及資金供求和需求市場(chǎng)的改變，娛樂(lè)業(yè)在籌措資金的時(shí)候會(huì)給公司的財(cái)務(wù)成果帶來(lái)不確定的影響，所以，無(wú)論企業(yè)采用哪種籌資方式都會(huì)帶來(lái)一定的財(cái)務(wù)風(fēng)險(xiǎn)。

三、研究設(shè)計(jì)

（一）建立娛樂(lè)業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警指標(biāo)體系

1.娛樂(lè)業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警指標(biāo)的選取原則

第一，相關(guān)性原則。選取的指標(biāo)要與娛樂(lè)業(yè)實(shí)際經(jīng)濟(jì)活動(dòng)的財(cái)務(wù)風(fēng)險(xiǎn)具有緊密的聯(lián)系，管理者能夠依據(jù)該指標(biāo)發(fā)現(xiàn)財(cái)務(wù)風(fēng)險(xiǎn)的異動(dòng)，并及時(shí)作出防范措施。

第二，可比性原則。在選取指標(biāo)時(shí)不僅要能使各個(gè)娛樂(lè)業(yè)企業(yè)之間具有可比性，而且還要使指標(biāo)能夠反映娛樂(lè)行業(yè)整體的財(cái)務(wù)風(fēng)險(xiǎn)情況，同時(shí)能夠進(jìn)行科學(xué)合理的轉(zhuǎn)換。

第三，重要性原則。所選的指標(biāo)在一定程度上對(duì)于衡量娛樂(lè)業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)具有重要性，同時(shí)能夠反映娛樂(lè)業(yè)實(shí)際的經(jīng)濟(jì)活動(dòng)，當(dāng)選取多個(gè)指標(biāo)時(shí)能夠綜合地體現(xiàn)出娛樂(lè)業(yè)財(cái)務(wù)活動(dòng)的主要矛盾。

第四，先行性原則。娛樂(lè)業(yè)的運(yùn)營(yíng)狀況要與所選取的指標(biāo)特征量大體上具有一致性，或者指標(biāo)特征量要對(duì)于娛樂(lè)業(yè)運(yùn)營(yíng)情況略有超前，從而能夠敏感地反映出娛樂(lè)業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的發(fā)展方向以及發(fā)生情況。

第五，可操作性原則。所選取的指標(biāo)不僅要與國(guó)際上的規(guī)章條例相符，而且還要符合我國(guó)娛樂(lè)業(yè)自身的發(fā)展水平現(xiàn)狀，并且要求數(shù)據(jù)來(lái)源可靠，能夠從眾多的經(jīng)濟(jì)數(shù)據(jù)中提取出有關(guān)聯(lián)的可靠信息，獲取時(shí)不需要消耗大量的人力與物力，指標(biāo)與指標(biāo)之間相關(guān)性較弱，易于量化，推理計(jì)算過(guò)程科學(xué)合理。

2.選取娛樂(lè)業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警指標(biāo)

依據(jù)上述的指標(biāo)選取原則，通過(guò)閱讀相關(guān)文獻(xiàn)，并結(jié)合娛樂(lè)業(yè)的實(shí)際基本情況，綜合選取了如表1所示的20個(gè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警指標(biāo)。

（二）風(fēng)險(xiǎn)預(yù)警模型構(gòu)建

研究選取了58家?jiàn)蕵?lè)業(yè)A股上市公司作為研究對(duì)象，抽取以上公司2009年到2018年披露的年度財(cái)務(wù)報(bào)告數(shù)據(jù)作為研究樣本，關(guān)于數(shù)據(jù)缺失的部分，采取算數(shù)平均法將其補(bǔ)充完整，所有有效數(shù)據(jù)來(lái)自于國(guó)泰安數(shù)據(jù)庫(kù)。運(yùn)用的是BP神經(jīng)網(wǎng)絡(luò)，它是由輸入層、隱藏層、輸出層三部分構(gòu)成。一般情況下，三個(gè)層次的BP神經(jīng)網(wǎng)絡(luò)足夠得到比較精確的結(jié)果，雖然增加網(wǎng)絡(luò)的層數(shù)在一定程度上可以降低誤差，表現(xiàn)能力強(qiáng)，但是網(wǎng)絡(luò)層次變多會(huì)導(dǎo)致網(wǎng)絡(luò)結(jié)構(gòu)龐大，同時(shí)也會(huì)增加其訓(xùn)練時(shí)間。綜合考慮之后，研究選取由一個(gè)輸入層、一個(gè)隱藏層和一個(gè)輸出層組成的BP神經(jīng)網(wǎng)絡(luò)模型。

1.因子分析

對(duì)于BP神經(jīng)網(wǎng)絡(luò)來(lái)說(shuō)，如果輸入的變量過(guò)多，會(huì)使得網(wǎng)絡(luò)結(jié)構(gòu)變得很復(fù)雜，效率下降。因此，研究采取因子分析的方法來(lái)達(dá)到減少變量的目的。選用KMO檢驗(yàn)和Bartlett s檢驗(yàn)，通過(guò)表2可以看出KMO的檢測(cè)值為0.547，Bartlett s的顯著度概率為0.000，說(shuō)明抽取的數(shù)據(jù)樣本符合做因子分析的條件。研究將選取的20個(gè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警指標(biāo)進(jìn)行因子分析，使用的工具是SPSS21.0，最后一共選取了8個(gè)公共因子（如表3），累計(jì)方差貢獻(xiàn)率為75.898%，理論上娛樂(lè)業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的絕大部分信息是可以被這8個(gè)公共因子所覆蓋的。通過(guò)因子旋轉(zhuǎn)成分矩陣（如表4）可以得到。在D1中有三個(gè)指標(biāo)載荷較大：m10總資產(chǎn)增長(zhǎng)率為0.962、m11凈利潤(rùn)增長(zhǎng)率為0.963、m12利潤(rùn)總額增長(zhǎng)率為0.978，D1可命名為發(fā)展能力因子;在D2中有兩個(gè)指標(biāo)載荷較大：m13速動(dòng)比率為0.942、m15流動(dòng)比率為0.938，D2可以命名為償債能力因子;在D3中有一個(gè)指標(biāo)載荷較大：m14資產(chǎn)負(fù)債率為0.995，D3可以命名為資產(chǎn)負(fù)債因子;在D4中有兩個(gè)指標(biāo)載荷較大：m3總資產(chǎn)周轉(zhuǎn)率為0.855、m4流動(dòng)資產(chǎn)周轉(zhuǎn)率為0.921，D4可以命名為營(yíng)運(yùn)能力因子;在D5中有兩個(gè)指標(biāo)載荷較大：m18公司現(xiàn)金流為0.914、m19股權(quán)現(xiàn)金流為0.903，D5可以命名為現(xiàn)金流動(dòng)能力因子;在D6中有兩個(gè)指標(biāo)載荷較大：m6營(yíng)業(yè)利潤(rùn)率為0.839、m17營(yíng)業(yè)收入現(xiàn)金凈含量為0.847，D6可以命名為營(yíng)業(yè)能力因子;在D7中有兩個(gè)指標(biāo)載荷較大：m7投入資本回報(bào)率為0.760、m8成本費(fèi)用利潤(rùn)率為0.808，D7可以命名為盈利能力因子;D8于m16現(xiàn)金流利息保障倍數(shù)上載荷為0.840，D8可以命名為現(xiàn)金流因子。將選取的8個(gè)因子作為BP神經(jīng)網(wǎng)絡(luò)的輸入變量。

2.輸入層設(shè)計(jì)

神經(jīng)網(wǎng)絡(luò)的輸入數(shù)據(jù)應(yīng)該是全面描述娛樂(lè)業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的指標(biāo)，已經(jīng)對(duì)財(cái)務(wù)風(fēng)險(xiǎn)的預(yù)警指標(biāo)進(jìn)行了選取，并且對(duì)樣本數(shù)據(jù)進(jìn)行了因子分析，不同的娛樂(lè)業(yè)財(cái)務(wù)風(fēng)險(xiǎn)指標(biāo)會(huì)形成不同的節(jié)點(diǎn)數(shù)對(duì)應(yīng)不同的網(wǎng)絡(luò)模型，因子分析中篩選的12個(gè)風(fēng)險(xiǎn)指標(biāo)的個(gè)數(shù)其實(shí)也就是輸入節(jié)點(diǎn)的個(gè)數(shù)。因?yàn)樵u(píng)價(jià)體系中數(shù)據(jù)單位不一致，所以為了使所有數(shù)據(jù)在系統(tǒng)中具有可比性，就需要在輸入前對(duì)選取的指標(biāo)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化的處理。

3.隱藏層設(shè)計(jì)

隱藏層節(jié)點(diǎn)的作用就是在大樣本數(shù)據(jù)中發(fā)現(xiàn)他們之間存在的規(guī)律并同時(shí)把這種規(guī)律儲(chǔ)存起來(lái)。因此，當(dāng)隱藏層的節(jié)點(diǎn)過(guò)多時(shí)，存在把研究樣本中沒(méi)有規(guī)律的東西學(xué)會(huì)記牢的情況，并且訓(xùn)練效率不高，學(xué)習(xí)時(shí)間過(guò)長(zhǎng)，泛化能力下降;但是隱藏層的節(jié)點(diǎn)過(guò)少，神經(jīng)網(wǎng)絡(luò)從研究樣本中提取信息的能力很有可能無(wú)法體現(xiàn)以及概括訓(xùn)練樣本中的規(guī)律。在結(jié)合企業(yè)實(shí)際的情況，并且多次訓(xùn)練后發(fā)現(xiàn)，節(jié)點(diǎn)數(shù)為6時(shí)收斂速度最快，因此，研究確定的隱藏層節(jié)點(diǎn)數(shù)為6個(gè)。

4.輸出層設(shè)計(jì)

研究將娛樂(lè)業(yè)財(cái)務(wù)風(fēng)險(xiǎn)狀況劃分為財(cái)務(wù)正常和財(cái)務(wù)有風(fēng)險(xiǎn)兩種情況，主要判斷依據(jù)有公司的股票是否被冠以ST的頭銜，公司是否有退市預(yù)警，公司是否受到處罰以及公司的年度報(bào)告財(cái)務(wù)結(jié)果等。輸出節(jié)點(diǎn)其實(shí)就是對(duì)應(yīng)的評(píng)價(jià)的結(jié)果，輸出為[-1]時(shí)代表重度財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警，[0]代表輕度財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警，[1]代表無(wú)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警。輸出的節(jié)點(diǎn)一共是3個(gè)。

5.神經(jīng)網(wǎng)絡(luò)訓(xùn)練與測(cè)試

將58家?jiàn)蕵?lè)業(yè)上市公司的樣本數(shù)據(jù)分為兩個(gè)部分，其中70%的數(shù)據(jù)作為訓(xùn)練基，剩下的30%作為檢測(cè)基，得到樣本判定結(jié)果表5所示，在223個(gè)無(wú)財(cái)務(wù)風(fēng)險(xiǎn)的數(shù)據(jù)樣本中，沒(méi)有任何一個(gè)數(shù)據(jù)樣本得到誤判的結(jié)果，正確判定率達(dá)到了100%，這樣的結(jié)果是比較理想的，然而對(duì)于重度風(fēng)險(xiǎn)以及輕度財(cái)務(wù)風(fēng)險(xiǎn)的正確判定率只有68.8%、30.0%。相比較無(wú)財(cái)務(wù)風(fēng)險(xiǎn)的訓(xùn)練結(jié)果這兩種結(jié)果較為不理想，但是整體正確判定率為95.2%。測(cè)試樣本的整體確定判定率為93.8%，從綜合的角度來(lái)看，訓(xùn)練和測(cè)試正確率都很高。對(duì)于重度財(cái)務(wù)風(fēng)險(xiǎn)和輕度財(cái)務(wù)風(fēng)險(xiǎn)正確判定率比較低，之所以存在這種誤差除了一些系統(tǒng)上的誤差外，主要還有樣本本身的一些限制，出現(xiàn)財(cái)務(wù)問(wèn)題的企業(yè)比較少，較少的樣本造成BP神經(jīng)網(wǎng)絡(luò)無(wú)法得到充分的訓(xùn)練以及學(xué)習(xí)，到最后影響到測(cè)試樣本的準(zhǔn)確率，但是對(duì)于財(cái)務(wù)健康的樣本數(shù)據(jù)比較充足，103個(gè)無(wú)風(fēng)險(xiǎn)測(cè)試樣本正確判定率為99%。

四、結(jié)論

研究成功地構(gòu)建了娛樂(lè)業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型，預(yù)測(cè)結(jié)果的綜合正確率高達(dá)93.8%，可以為娛樂(lè)業(yè)上市公司提供比較準(zhǔn)確的信息，采用計(jì)算機(jī)的數(shù)據(jù)運(yùn)算以及算法設(shè)計(jì)不僅非常的方便快捷，而且在一定程度上消除了人為的影響因素，因此，可以保證結(jié)果的真實(shí)性，縮小誤差，增加客觀性，具有動(dòng)態(tài)跟蹤比較的優(yōu)點(diǎn)。模型能夠?yàn)閵蕵?lè)業(yè)在實(shí)際運(yùn)營(yíng)的過(guò)程中提供比較可靠的依據(jù)和科學(xué)的手段，使經(jīng)營(yíng)者盡一切可能將損失控制在較小的范圍內(nèi)。建立有效的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警機(jī)制，能夠在一定程度上提升企業(yè)的競(jìng)爭(zhēng)力，而且提高了財(cái)務(wù)工作人員的風(fēng)險(xiǎn)意識(shí)，從而保證企業(yè)資產(chǎn)的安全。企業(yè)應(yīng)該結(jié)合自身實(shí)際狀況，科學(xué)合理的選取財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警指標(biāo)，正確地選取進(jìn)行財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警的工作人員，建立一個(gè)高效實(shí)用的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警機(jī)制，從而能夠及時(shí)監(jiān)測(cè)到企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)，并采取有效的方法加以防范，從而促進(jìn)公司在激烈的市場(chǎng)競(jìng)爭(zhēng)中謀求更好的發(fā)展。

研究也存在一些不足之處：選取的樣本數(shù)據(jù)只有58家上市娛樂(lè)公司，并且由于有些年份缺失，數(shù)據(jù)不夠齊全，特別是出現(xiàn)財(cái)務(wù)危機(jī)的公司較少，因此對(duì)輕度財(cái)務(wù)風(fēng)險(xiǎn)和重度財(cái)務(wù)風(fēng)險(xiǎn)的公司訓(xùn)練程度不夠，導(dǎo)致預(yù)測(cè)結(jié)果不夠準(zhǔn)確。除此之外，隨著時(shí)間的變化，娛樂(lè)業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)因素應(yīng)該也是在變動(dòng)的，對(duì)于預(yù)警指標(biāo)選取后應(yīng)該進(jìn)行顯著性分析，但是只進(jìn)行了因子分析。財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警指標(biāo)體系不僅要包含財(cái)務(wù)指標(biāo)，還要包含一些非財(cái)務(wù)指標(biāo)，會(huì)使預(yù)測(cè)結(jié)果更加準(zhǔn)確。

參考文獻(xiàn)：

[1] Alessio Ciarlone， Giorgio Trebeschi. Designing? an? Early Warning System for Debt Crises[J].Journal of Accounting Research，2005 （9）.

[2] William? H.? Beaver.” Financial? ratios? as? predictors? ?of failure”，[J].Empirical Research in Accounting Selected Studies，Supplement to Journal of Accounting Research，1996（41）.

[3] 姜雨杉.基于BP神經(jīng)網(wǎng)絡(luò)的節(jié)能環(huán)保行業(yè)上市公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警研究[D].南京：南京航空航天大學(xué)，2018.

[4] 趙海燕，李 娟.上市公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型研究——基于未確知測(cè)度模型[J].財(cái)會(huì)通訊，2015（4）.

[5] 王 穎，馬 亮，白 居，張?jiān)葡?基于神經(jīng)網(wǎng)絡(luò)的大型國(guó)際工程財(cái)務(wù)風(fēng)險(xiǎn)控制評(píng)價(jià)[J].同濟(jì)大學(xué)學(xué)報(bào)：自然科學(xué)版，2015（7）.

[6] 曹 彤，郭亞軍.基于神經(jīng)網(wǎng)絡(luò)模型的上市公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警研究——來(lái)自山東省制造業(yè)數(shù)據(jù)[J].財(cái)會(huì)通訊，2014（9）.

[7] 尤 璞，武 戈.基于 PCA- BP 神經(jīng)網(wǎng)絡(luò)的上市公司財(cái)務(wù)預(yù)警策略[J].統(tǒng)計(jì)與決策，2012（22）.

[責(zé)任編輯：王 旸]