基于SOM神经网络的江苏常铝经营风险评价研究
基于SOM神经网络的江苏常铝经营风险评价研究[20200414181009]
摘 要
近几年，市场竞争日益激烈，上市公司陷入经营危机甚至破产时有发生，这会危及到企业的生存和发展，造成投资人和债权人的损失。对常铝公司经营过程进行监控和评价，尽早的发现风险信号，可以及时采取防范和控制措施，有利于企业持续健康地发展，增强企业实力。
本文首先从偿债能力、运营能力、盈利能力、发展能力以及现金流五个方面进行定性分析。从偿债方面可以看出常铝短期偿债能力稍弱，举债经营对常铝有一定的压力。常铝整体资产运营能力不是很理想，资产利用效率不高。盈利能力方面显示常铝利润水平较差，需要优化成本费用结构，提高经营效益。常铝的资产规模有所扩张，但净资产处于负增长状态，发展能力有待增强。常铝在现金流方面能力不佳，资产综合管理水平不高。同时，论文运用了SOM神经网络综合评价了常铝目前的风险等级，得出了常铝整体经营风险较高的结论。针对存在的风险，提出了确定合理负债和存货规模，降低成本费用，加强技术力量等建议来降低经营风险。
*查看完整论文请 +Q: 3 5 1 9 1 6 0 7 2
关键字:上市公司经营风险经营指标SOM神经网络
目 录
1. 绪论 1
1.1 研究背景和意义 1
1.1.1 研究背景 1
1.1.2 研究意义 1
1.2 国内外研究现状 1
1.2.1 单变量经营风险评价研究 1
1.2.2 多变量经营风险评价研究 2
1.2.3 研究评述 3
1.3 研究方法和主要内容 3
1.3.1 研究方法 3
1.3.2 主要内容 3
2. 常铝公司经营风险的影响因素分析和比较 5
2.1 指标体系构建原则和具体指标 5
2.1.1 构建原则 5
2.1.2 具体指标 5
2.2 常铝与行业之间的比较 6
2.2.1 偿债状况 6
2.2.2 运营状况 9
2.2.3 盈利状况 14
2.2.4 发展状况 17
2.2.5 现金流状况 20
2.3 常铝经营风险的雷达图分析 22
3. 常铝公司经营风险的综合评价 24
3.1 评价方法的选择 24
3.2 SOM神经网络的原理和评价步骤 25
3.2.1 SOM神经网络的原理 25
3.2.2 SOM神经网络的结构 25
3.2.3 SOM神经网络评价步骤 27
3.3 常铝公司经营风险评价模型的构建和实证分析 28
3.3.1 数据归一化 28
3.3.2 模型的构建 28
3.3.3 模型的训练 30
3.3.4 模型的仿真 32
3.3.5 常铝风险评价 32
4．常铝公司经营风险控制对策 33
4.1 偿债方面 33
4.2 运营方面 33
4.3 盈利方面 34
4.4 发展方面 34
4.5 现金流方面 35
结 束 语 36
参考文献 37
附 录 38
致 谢 39
1. 绪 论
1.1 研究背景和意义
1.1.1 研究背景
随着经济全球化发展，有色金属冶炼及压延加工业的市场竞争日益激烈，企业经营风险随时加剧。目前，从部分国家和地区经济数据可以看出全球经济情况有所好转，但有色金属行业仍旧不容乐观，特别是铝行业形势较为严峻。有色金属产品销量增长，不过价格一直低迷，生产成本没有大幅下降，所以行业利润没有得到拉升。今年1-8月有色金属行业经营水平低于全国工业的平均水平，行业复苏进程充满不确定，很多因素都会对金属行业造成冲击，所以企业如果不能很好地规避与防范各种风险因素，可能会陷入严重的经营危机，给企业带来惨重损失。有色金属企业需要对经营情况进行动态监控，对经营数据进行评价研究，有利于有色金属上市公司避免陷入破产的危机。当前有色金属需求仍处于正增长，还是有发展前景，企业要在经营过程中及早发现危险信号，及时采取对策，企业才能在激烈的行业竞争中获得优势。
1.1.2 研究意义
通过对常铝的经营指标进行比较和综合评价分析，可以大体了解企业的经营状况，以及在行业中的地位，通过分析可以知道存在哪些问题，企业发展情况如何。这对于加强企业经营风险的管理，改善企业经营状况，促进企业的发展有重要的意义。
1.2 国内外研究现状
1.2.1 单变量经营风险评价研究
单变量分析是最早用于经营风险评价的模型，Fitzpatrick提出以单项经营指标比率作为标准来判断企业经营风险状态。在研究中，他采用单变量指标将19家样本公司划分为破产和非破产两组，最后发现净利润／股东权益和股东权益／负债这两个指标在经营风险判定方面的效果最佳[1]。
Beaver以相同资产规模为标准，分析1954—1964年79家高风险公司和79家低风险公司的经营状况，运用单变量比率模型来预测企业的经营风险，结果显示各指标中现金流量与总负债比率在企业经营风险预测中的判别效果最好，其次是负债比率[2]。
陈静以27家ST公司和27家非ST公司为样本，使用1995-1997年的经营报表数据，进行了单变量分析，结果显示资产负债率、总资产收益率、流动比率、净资产收益率这些指标在风险评价方面的效果较好[3]。
1.2.2 多变量经营风险评价研究
（1）Z分数模型。Altman首次利用多元判别分析对美国的破产企业进行了研究。他选用 1946~1965 年期间提出破产申请的 33 家破产企业和具有相当规模及行业对应的 33家非破产企业作为样本，在经过大量的实证考察和分析研究基础之上，从最初的 22 个经营指标中最终选择了5个指标，使用破产企业破产前一年的数据和非破产企业相应时段的数据，运用费雪效应经验分析建立了一个多元线性函数，即经营危机评价分析的 Z 分数模型：
Z=0.12X1+0.014X2+0.033X3+0.006X4+0.998X5
其中：X1为营运资本/总资产；X2为留存收益/总资产；X3为息税前收益/总资产；X4为权益市值/账面总负债；X5为销售收入/总资产。由此，Altman 提出了判断企业发生经营危机的临界值Z＝2.765。如果企业的 Z 值大于 2.765，表明企业经营状况良好，不太可能发生经营危机；如果企业的 Z 值小于2.675，则表明企业存在经营失败的风险，而且该值越小，风险越大[4]。
张玲从 120个分析样本中推导建立了经营危机评价分析判别模型，并提出：当 Z<0.5 时为 ST 公司；当 0.50.9 时，为经营安全公司，这使得模型在经营危机发生前一年的预测准确率达到 87％ [5] 。
（2）多元逻辑模型。欧尔森选取1970-1976年间105家失败公司为研究对象，使用条件逻辑模型来建立经营风险评价模型，依据观测对象的条件概率来监测企业的经营风险。该模型假设企业破产的概率为P(破产P取l，非破产P取0)，并假设In[p/(1-p)]=a+bx，导出p=exp(a+bx)/[1+exp(a+bx)]，最后以0.5作为p的最佳分割点来判断企业破产的概率。若P值大于0.5，则企业破产概率较大；若P值小于0.5，则企业的经营风险较小[6]。
（3）人工神经网络(ANN)模型。刘洪、何光军以 728 个样本、36 个指标进行经营危机评价研究。他们在传统的判别分析法和逻辑回归分析法基础上，探索应用人工神经网络法进行经营危机评价的研究。结果表明，人工神经网络法的预测准确率高于前两种方法的预测准确率[7]。
张根明、向晓骥和孙敬宜采用 BP 神经网络法，以263 家制造业上市公司的截面指标作为学习样本，并使用 76 家制造业上市公司作为检验样本，建立了制造业上市公司经营危机评价模型。其研究结果表明，与没有区分行业的通用经营危机评价模型相比，分行业的 BP 神经网络经营危机评价模型的预测准确率较高，能为广大投资者和监管机构预测公司经营状况提供更可靠的依据[8]。
（4）多元概率比(Probit)回归模型。Zmijewski在分析经营风险评价问题时，首次使用多元概率比方法建立评价模型。该模型假设企业破产的概率为P，并要求样本服从正态分布，与Logit模型一样，该模型仍以0.5作为临界点。当P值小于0.5时，则判定企业可正常运行，经营状况良好；当P值大于0.5时，则企业经营风险很高，面临破产的风险[9]。
摘 要
近几年，市场竞争日益激烈，上市公司陷入经营危机甚至破产时有发生，这会危及到企业的生存和发展，造成投资人和债权人的损失。对常铝公司经营过程进行监控和评价，尽早的发现风险信号，可以及时采取防范和控制措施，有利于企业持续健康地发展，增强企业实力。
本文首先从偿债能力、运营能力、盈利能力、发展能力以及现金流五个方面进行定性分析。从偿债方面可以看出常铝短期偿债能力稍弱，举债经营对常铝有一定的压力。常铝整体资产运营能力不是很理想，资产利用效率不高。盈利能力方面显示常铝利润水平较差，需要优化成本费用结构，提高经营效益。常铝的资产规模有所扩张，但净资产处于负增长状态，发展能力有待增强。常铝在现金流方面能力不佳，资产综合管理水平不高。同时，论文运用了SOM神经网络综合评价了常铝目前的风险等级，得出了常铝整体经营风险较高的结论。针对存在的风险，提出了确定合理负债和存货规模，降低成本费用，加强技术力量等建议来降低经营风险。
*查看完整论文请 +Q: 3 5 1 9 1 6 0 7 2
关键字:上市公司经营风险经营指标SOM神经网络
目 录
1. 绪论 1
1.1 研究背景和意义 1
1.1.1 研究背景 1
1.1.2 研究意义 1
1.2 国内外研究现状 1
1.2.1 单变量经营风险评价研究 1
1.2.2 多变量经营风险评价研究 2
1.2.3 研究评述 3
1.3 研究方法和主要内容 3
1.3.1 研究方法 3
1.3.2 主要内容 3
2. 常铝公司经营风险的影响因素分析和比较 5
2.1 指标体系构建原则和具体指标 5
2.1.1 构建原则 5
2.1.2 具体指标 5
2.2 常铝与行业之间的比较 6
2.2.1 偿债状况 6
2.2.2 运营状况 9
2.2.3 盈利状况 14
2.2.4 发展状况 17
2.2.5 现金流状况 20
2.3 常铝经营风险的雷达图分析 22
3. 常铝公司经营风险的综合评价 24
3.1 评价方法的选择 24
3.2 SOM神经网络的原理和评价步骤 25
3.2.1 SOM神经网络的原理 25
3.2.2 SOM神经网络的结构 25
3.2.3 SOM神经网络评价步骤 27
3.3 常铝公司经营风险评价模型的构建和实证分析 28
3.3.1 数据归一化 28
3.3.2 模型的构建 28
3.3.3 模型的训练 30
3.3.4 模型的仿真 32
3.3.5 常铝风险评价 32
4．常铝公司经营风险控制对策 33
4.1 偿债方面 33
4.2 运营方面 33
4.3 盈利方面 34
4.4 发展方面 34
4.5 现金流方面 35
结 束 语 36
参考文献 37
附 录 38
致 谢 39
1. 绪 论
1.1 研究背景和意义
1.1.1 研究背景
随着经济全球化发展，有色金属冶炼及压延加工业的市场竞争日益激烈，企业经营风险随时加剧。目前，从部分国家和地区经济数据可以看出全球经济情况有所好转，但有色金属行业仍旧不容乐观，特别是铝行业形势较为严峻。有色金属产品销量增长，不过价格一直低迷，生产成本没有大幅下降，所以行业利润没有得到拉升。今年1-8月有色金属行业经营水平低于全国工业的平均水平，行业复苏进程充满不确定，很多因素都会对金属行业造成冲击，所以企业如果不能很好地规避与防范各种风险因素，可能会陷入严重的经营危机，给企业带来惨重损失。有色金属企业需要对经营情况进行动态监控，对经营数据进行评价研究，有利于有色金属上市公司避免陷入破产的危机。当前有色金属需求仍处于正增长，还是有发展前景，企业要在经营过程中及早发现危险信号，及时采取对策，企业才能在激烈的行业竞争中获得优势。
1.1.2 研究意义
通过对常铝的经营指标进行比较和综合评价分析，可以大体了解企业的经营状况，以及在行业中的地位，通过分析可以知道存在哪些问题，企业发展情况如何。这对于加强企业经营风险的管理，改善企业经营状况，促进企业的发展有重要的意义。
1.2 国内外研究现状
1.2.1 单变量经营风险评价研究
单变量分析是最早用于经营风险评价的模型，Fitzpatrick提出以单项经营指标比率作为标准来判断企业经营风险状态。在研究中，他采用单变量指标将19家样本公司划分为破产和非破产两组，最后发现净利润／股东权益和股东权益／负债这两个指标在经营风险判定方面的效果最佳[1]。
Beaver以相同资产规模为标准，分析1954—1964年79家高风险公司和79家低风险公司的经营状况，运用单变量比率模型来预测企业的经营风险，结果显示各指标中现金流量与总负债比率在企业经营风险预测中的判别效果最好，其次是负债比率[2]。
陈静以27家ST公司和27家非ST公司为样本，使用1995-1997年的经营报表数据，进行了单变量分析，结果显示资产负债率、总资产收益率、流动比率、净资产收益率这些指标在风险评价方面的效果较好[3]。
1.2.2 多变量经营风险评价研究
（1）Z分数模型。Altman首次利用多元判别分析对美国的破产企业进行了研究。他选用 1946~1965 年期间提出破产申请的 33 家破产企业和具有相当规模及行业对应的 33家非破产企业作为样本，在经过大量的实证考察和分析研究基础之上，从最初的 22 个经营指标中最终选择了5个指标，使用破产企业破产前一年的数据和非破产企业相应时段的数据，运用费雪效应经验分析建立了一个多元线性函数，即经营危机评价分析的 Z 分数模型：
Z=0.12X1+0.014X2+0.033X3+0.006X4+0.998X5
其中：X1为营运资本/总资产；X2为留存收益/总资产；X3为息税前收益/总资产；X4为权益市值/账面总负债；X5为销售收入/总资产。由此，Altman 提出了判断企业发生经营危机的临界值Z＝2.765。如果企业的 Z 值大于 2.765，表明企业经营状况良好，不太可能发生经营危机；如果企业的 Z 值小于2.675，则表明企业存在经营失败的风险，而且该值越小，风险越大[4]。
张玲从 120个分析样本中推导建立了经营危机评价分析判别模型，并提出：当 Z<0.5 时为 ST 公司；当 0.5
（2）多元逻辑模型。欧尔森选取1970-1976年间105家失败公司为研究对象，使用条件逻辑模型来建立经营风险评价模型，依据观测对象的条件概率来监测企业的经营风险。该模型假设企业破产的概率为P(破产P取l，非破产P取0)，并假设In[p/(1-p)]=a+bx，导出p=exp(a+bx)/[1+exp(a+bx)]，最后以0.5作为p的最佳分割点来判断企业破产的概率。若P值大于0.5，则企业破产概率较大；若P值小于0.5，则企业的经营风险较小[6]。
（3）人工神经网络(ANN)模型。刘洪、何光军以 728 个样本、36 个指标进行经营危机评价研究。他们在传统的判别分析法和逻辑回归分析法基础上，探索应用人工神经网络法进行经营危机评价的研究。结果表明，人工神经网络法的预测准确率高于前两种方法的预测准确率[7]。
张根明、向晓骥和孙敬宜采用 BP 神经网络法，以263 家制造业上市公司的截面指标作为学习样本，并使用 76 家制造业上市公司作为检验样本，建立了制造业上市公司经营危机评价模型。其研究结果表明，与没有区分行业的通用经营危机评价模型相比，分行业的 BP 神经网络经营危机评价模型的预测准确率较高，能为广大投资者和监管机构预测公司经营状况提供更可靠的依据[8]。
（4）多元概率比(Probit)回归模型。Zmijewski在分析经营风险评价问题时，首次使用多元概率比方法建立评价模型。该模型假设企业破产的概率为P，并要求样本服从正态分布，与Logit模型一样，该模型仍以0.5作为临界点。当P值小于0.5时，则判定企业可正常运行，经营状况良好；当P值大于0.5时，则企业经营风险很高，面临破产的风险[9]。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jmgl/scyx/2270.html
