王娜

摘要：文章提出了将Adaboost算法与BP神经网络相结合的方式构建模型，应用于我国上市公司财务危机预警的研究中，对60家ST和60家非ST的上市公司的财务数据进行实证检验。结果表明，Adaboost算法的引入，提高了神经网络的预测精度，具有较好的实际应用价值。

关键词：财务危机预警;Adaboost;BP神经网络

财务危机是企业丧失偿还到期债务的能力，财务危机预警系统正是为预防上市公司财务危机而建立起来的一种机制，能实时对公司的生产经营过程和财务状况进行跟踪监控，及时地进行财务预警分析，发现财务状况异常的征兆并迅速报警，采取应对措施，从而避免或减少损失。因此，研究财务危机预警体系的构建具有非常重要的应用价值和现实意义。目前，国内外财务危机预警研究中采用的模型一般有单变量和多变量，而多变量模型危机预测的准确率更高。多变量模型中采用神经网络方式预测财务危机的准确率远远高于逻辑回归多元线性方式。本文将Adaboost与BP神经网络相结合来构建财务危机预警模型，从而优化神经网络模型，提高其预测精度。

一、理论基础

（一）BP神经网络

人工神经网络（Artificial Neural Network，缩写为ANN），神经网络的特点是信息的分布式存储、大规模并行处理、自学习、自组织和自适应性及较强的容错性。该方法是把预警指标作为神经网络的输入变量，采用训练样本集对神经网络进行不断的训练，从而保证输入值与目标值间误差最小。神经网络克服了传统统计方法对自变量服从统计特征，自变量与因变量间存在线性函数关系等的限制，因此选择的样本更具代表性，构建的模型具有更强的泛化能力。……