间的关系。(二)非统计类财务危机预警模型非统计类财务危机预警模型主要有人工神经网络模型。这是将网络的分类方法应用于财务预警的模型。人工神经网络是一种平行分散处理式,其构建原理是基于对人类大脑神经运作的模拟。人工神经网络通常由输入层、输出层和隐藏层组成,其信息处理分为前向传播和后向学习两步进行。网络的学习是一种误差从输出层到输入层向后传播并修正数值的过程,学习的目的是使网络的实际输入逼近某个给定的期望输出。根据最后的期望输出,得出企业的期望值,然后根据学习得出的判别规则来对样本进行分类。人工神经网络具有较好的纠错能力,从而能够更好地进行预测。Odom和Sharda是最早把神经网络技术应用于财务危机预警研究中的。他们用人工神经网络预测了财务危机。他们以1975-1982年间的64家失败企业与64家正常企业配对,并将样本区分为训练样本与保留样本,以Altman(1968)Z计分模型所使用的5个财务比率为研究变量,使用神经网络构建模型。结果发现训练样本的判别正确率高达100%,对保留样本失败的企业与正常企业的预测正确率分别为81.75%与78.18%,显示神经网络具有较佳的预测能力。他们的模型要优于当时的判别分析模型,能更好的解决分类问题。但他们的模型仅仅是神经网络方法应用的展示和Altman(1968)研究的重复。人工神经网络具有较好的模式识别能力,还可以克服统计等方法的限制,因它具有容错能力,对数据的分布要求不严格,不需要考虑是否符合正态分布的假设,具有处理自律遗漏或是错误的能力,而且可以处理非量化的变量,最重要的一点是人工神经网络具有学习能力,可随时依据新准备数据资料进行自我学习、训练,调整其内部的储存权重参数以对应多变的企业运作环境。而传统的统计方法却不具备此学习能力。(三)不同企业财务危机预警模型对比分析经过国内外学者的研究,企业财务危机预警模型得到了极大的发展,能够对企
全文预览
