基于遺傳算法的上市公司財務(wù)危機預(yù)測規(guī)則發(fā)現(xiàn)研究

［摘 要］ 本文以我國滬深A(yù)股上市公司為研究對象，選取制造業(yè)公司376家，其中被特別處理的ST公司188家，與其配對的健康公司188家，使用遺傳算法和財務(wù)比率建立了財務(wù)危機IF-THEN判別模型，經(jīng)檢驗，提前3年進行危機預(yù)測平均準(zhǔn)確率為83.89 %。

［關(guān)鍵詞］ 財務(wù)危機；遺傳算法；規(guī)則

［中圖分類號］F275.5［文獻標(biāo)識碼］A［文章編號］1673-0194（2008）05-0045-02

一、引 言

財務(wù)危機，又稱財務(wù)困境，對其定義各不相同，例如指企業(yè)破產(chǎn)、不能按期還本付息等。本文以我國上市公司為研究對象，將公司被特別處理（ST）視為發(fā)生財務(wù)危機，被特別處理的原因主要包括：（1）最近兩個會計年度的審計結(jié)果顯示的凈利潤均為負(fù)值；（2）最近一個會計年度股東權(quán)益低于注冊資本，即每股凈資產(chǎn)低于股票面值；（3）追溯調(diào)整導(dǎo)致最近兩年連續(xù)虧損；（4）交易所或中國證監(jiān)會認(rèn)定為財務(wù)狀況異常；（5）被注冊會計師出具無法表示意見或否定意見的審計報告；（6）出現(xiàn)其他異常狀況，實施特別處理。準(zhǔn)確預(yù)測財務(wù)危機，對于經(jīng)營者防范風(fēng)險、對于保護投資者和銀行等債權(quán)人的利益、對于政府監(jiān)管都有重要意義。

使用遺傳算法提取IF-THEN判別規(guī)則，具有判別規(guī)則清楚透明、容易理解等優(yōu)點。另外，雖然采用窮舉法提取判別規(guī)則簡單可靠，但是隨著樣本和規(guī)則前提屬性數(shù)目的增多，規(guī)則空間將變得很大，由于計算量太大而使得窮舉搜索不可行，遺傳算法則行之有效。Shin K S和Lee Y J（2002）選取528家被審計的中等規(guī)模制造業(yè)公司，其中破產(chǎn)公司和健康公司各264家，利用因子分析等統(tǒng)計方法，從最初的55個指標(biāo)中選取9個財務(wù)指標(biāo)作為備選，最終提取了具有5個前提條件的預(yù)測規(guī)則，訓(xùn)練集和測試集的平均預(yù)測準(zhǔn)確率都達到80%左右。Davalos等（2005）最初收集了航空業(yè)的21個財務(wù)指標(biāo)，最終使用其中的7個，提取的具有5個前提條件的規(guī)則預(yù)測平均準(zhǔn)確率達到91%。

二、使用遺傳算法提取財務(wù)危機預(yù)測規(guī)則原理

1. 遺傳算法原理

遺傳算法由美國Holland教授于1975年提出，是一類以達爾文自然進化論和孟德爾遺傳變異理論為基礎(chǔ)的求解復(fù)雜全局優(yōu)化問題的仿生型算法，它以適者生存、不適應(yīng)者被淘汰為進化策略，對包含可能解的群體反復(fù)進行選擇、交叉、變異等遺傳學(xué)操作，從而使種群不斷進化，以搜索到最優(yōu)解或準(zhǔn)最優(yōu)解，具有簡單實用、魯棒性強、本質(zhì)并行性等特點。遺傳算法包含如下基本要素：（1）染色體編碼；（2）適應(yīng)度函數(shù)設(shè)計；（3）遺傳操作設(shè)計，包括選擇、交叉、變異；（4）運行參數(shù)設(shè)定，包括設(shè)定初始群體規(guī)模、遺傳運算終止進化代數(shù)、交叉概率、變異概率。

2. 財務(wù)危機預(yù)測規(guī)則

預(yù)測規(guī)則包含前提條件和結(jié)論兩部分，通用形式為：

{IF X1>=C1.AND.X2>=C2.AND.……Xn>=Cn

THEN公司是健康的ELSE發(fā)生財務(wù)危機}

其中X1~Xn是財務(wù)指標(biāo)；n是指標(biāo)數(shù)；C1~Cn是指標(biāo)的閾值，由遺傳算法搜索得到。如果某指標(biāo)越大公司越是健康的，例如凈資產(chǎn)收益率，則閾值前為大于等于號；如果某指標(biāo)越大公司越是可能發(fā)生財務(wù)危機，例如財務(wù)費用比例，則閾值前取小于號。

3. 染色體編碼

染色體采用二進制編碼，字符串形式如下：

{X1，X2，…，Xn，L/G1，L/G2，…，L/Gn，C1，C2，…，Cn}

其中X1~Xn是財務(wù)指標(biāo)；L/G1 ~ L/Gn代表小于號或者大于等于號；C1~Cn是閾值。每條染色體對應(yīng)一個預(yù)測規(guī)則。

4. 適應(yīng)度函數(shù)設(shè)計

預(yù)測效率通常由預(yù)測精度或誤判成本來決定，由于誤判成本難于確定，故本文采用預(yù)測精度來判別規(guī)則的預(yù)測效率，因此適應(yīng)度函數(shù)定義為預(yù)測正確的公司數(shù)除以公司總數(shù)。

5. 遺傳操作設(shè)計

使用賭輪方法選擇適應(yīng)度高的個體作為父代；隨機兩兩配對染色體，采用單點交叉，隨機選擇交叉點，根據(jù)試算和經(jīng)驗，交叉概率取0.65；基因位變異概率取0.003；初始群體規(guī)模取100；保留上代4個最優(yōu)個體；終止進化條件為200代停機。整個程序采用Visual Foxpro編程實現(xiàn)。

三、樣本和財務(wù)指標(biāo)選擇

1. 樣本數(shù)據(jù)

本文共選取滬深A(yù)股制造業(yè)公司376家，分為兩個子集：訓(xùn)練集和測試集。訓(xùn)練集286家，占76%，其中ST公司和配對的健康公司各143家；測試集90家，占24%，其中ST公司和配對的健康公司各45家。

訓(xùn)練集ST公司的選取標(biāo)準(zhǔn)是：在2001-2006年間首次被特別處理的。因為選取的都是首次被特別處理的公司，因此沒有重復(fù)的公司，健康公司也不重復(fù)。根據(jù)證監(jiān)會的規(guī)定，公司被特別處理主要是因為連續(xù)兩年虧損，并在第三年會計報表披露后宣布為被ST，因此為了使得到的預(yù)測結(jié)果更客觀可靠，選取被ST三年前（t-3）的年報數(shù)據(jù)來預(yù)測當(dāng)年（t）是否會被ST，例如2001年被ST，則選取1998年的年報數(shù)據(jù)作樣本。

測試集則由2007年首次被特別處理的45家ST公司及其45家配對健康公司組成。所有樣本數(shù)據(jù)取自新浪財經(jīng)股票網(wǎng)和CSMAR數(shù)據(jù)庫。

2. 指標(biāo)選擇

最初選擇了21個傳統(tǒng)常用的財務(wù)指標(biāo)。對訓(xùn)練集的ST公司和健康公司兩組均值差異進行檢驗，并設(shè)想?yún)⒖疾町惓潭鹊纫蛩卮_定用于預(yù)測的指標(biāo)。首先對ST公司和健康公司的21個指標(biāo)是否服從正態(tài)分布作柯爾莫哥洛夫-斯米諾夫單樣本正態(tài)檢驗，如果ST公司和健康公司的某指標(biāo)均服從正態(tài)分布，則使用兩獨立樣本t檢驗方法檢驗ST公司和健康公司樣本算術(shù)平均值是否相等。如果某個指標(biāo)不全服從正態(tài)分布，則使用兩獨立樣本曼-惠特尼方法檢驗均值是否相等。結(jié)果是，均值存在顯著性差異（顯著性概率p<0.001）的指標(biāo)有16個。使用這16個指標(biāo)進行單指標(biāo)財務(wù)危機預(yù)測（過程略），最終選擇了預(yù)測準(zhǔn)確率最高的6個指標(biāo)，作為提取預(yù)測規(guī)則的備選指標(biāo)，即現(xiàn)金流動負(fù)債比X3、應(yīng)收賬款周轉(zhuǎn)率X6、財務(wù)費用比例X8、總資產(chǎn)周轉(zhuǎn)率X9、資產(chǎn)凈利率X11、凈資產(chǎn)收益率X12，如表1所示。

四、提取預(yù)測規(guī)則

使用訓(xùn)練集的286個樣本和6個指標(biāo)進行進化計算。經(jīng)過試算選取了預(yù)測準(zhǔn)確率較高的含有4個前提條件的規(guī)則。適應(yīng)度高的規(guī)則作為最佳預(yù)測規(guī)則，如表2所示。規(guī)則預(yù)測準(zhǔn)確率如表3所示。

五、結(jié) 論

使用遺傳算法提取的IF-THEN判別規(guī)則具有簡單透明易用的特點，展示了遺傳算法在財務(wù)危機預(yù)測領(lǐng)域，以及審計決策、銀行信貸決策、投資決策等領(lǐng)域的光明應(yīng)用前景。本文基于定量的財務(wù)指標(biāo)進行預(yù)測規(guī)則的挖掘，還可結(jié)合定性的指標(biāo)進行預(yù)測規(guī)則的挖掘。

主要參考文獻

［1］ Kyung-Shik Shin，Yong-Joo Lee. A Genetic Algorithm Application in Bankruptcy Prediction Modeling［J］. Expert Systems with Applications，2002，23（3）：321-328.

［2］ Davalos S，R Gritta，J Goodfriend ，et al. The Use of a Genetic Algorithm in Forecasting Air Carrier Financial Stress and Insolvency［J］. Credit and Financial ManagementReview，2005，11（2）：15-21.

注：“本文中所涉及到的圖表、注解、公式等內(nèi)容請以PDF格式閱讀原文。”