基于BP神经网络的快速消费品上市公司财务风险预警系统研究

随着我国国民经济的快速增长,国内外市场对我国快速消费品的需求量与日俱增,同时由于该行业入驻门槛较低,快速消费品生产企业迅速发展,同类型产品愈加同质化,市场竞更为激烈,趋于白热化状态。企业在其经营过程中,面临的市场不确定性及风险也在不断加大,财务风险预警已成为现代企业财务管理的重要组成部分。构建准确、有效的财务风险预警模型,及时发现企业运营活动中存在的问题,指导企业采取相应措施来规避风险,不仅具有理论价值,同时也有重要的现实意义。 本文以财务风险理论为指导,在借鉴国内外学者研究成果的基础上,首先分析了财务风险的成因,阐述了财务风险预警系统的结构、功能,回顾了目前国内外有关财务风险预警系统研究的成果。其次,对快速消费品行业进行了界定,阐述了快速消费品行业的特点及现状。对目前财务风险预警的方法进行了分析,总结出传统财务风险预警方法的弊端,并对人工神经网络引入财务风险预警研究进行理论分析。再次,本文从偿债能力、盈利能力、营运能力、成长能力以及现金流量能力五个方面选取了18个指标构成财务风险评估指标体系,构建具有快速消费品行业特点的财务风险预警指标体系,将BP神经网络模型与仿真试验相结合,建立一种便于操作的财务风险预警模型。本文利用Matlab工程软件,将2009年到2011年70家快速消费品上市公司的财务数据作为样本,按照BP人工神经网络算法进行迭代和处理,并对该网络的预警能力进行检验。本文研究了训练集合中间隐层神经单元数目对预测准确率的影响,并通过反复实验获得预测准确率达到90%的模型,从而有效、准确的预测快速消费品上市公司的财务风险,使得企业提前发现可能存在的财务风险并及时采取相应措施,达到规避发生财务危机的目的,保证企业健康的可持续经营。