摘要：随着我国证券市场和上市公司的不断 发展 、成熟，上市公司利益相关者对财务预警系统的需求也越来越大，因此建立有效财务预警系统的要求十分迫切。借鉴国内外相对成熟经验，根据我国证券市场的特点，以我国的上市公司公开财务数据为依据，通过引入主成分分析方法和人工神经 网络 的方法来研究财务预警指标体系的构建机理，从而实现对财务预警模型的优化改进。
　　关键词：财务预警；财务指标；主成分分析；神经网络
　　0　前言
　　
　　近年来，证监会对一批st公司的处理也给上市公司敲响了警钟，上市公司迫切需要一个可行的财务预警系统，以起到警报器的作用。对于监控部门来说，根据财务预警系统提供的信息，可以进行宏观 经济 监测和预警；对于上市公司来说，可以据此揭示财务经营中所存在的问题，及时调整公司经营策略，以避免沦入st、pt的行列；对于投资者和债权人来说，可以根据财务预测指数的动态分析进行正确的投资选择；对于准备借壳上市或买壳上市的公司来说，可以通过关注预警信息寻找到宝贵的“壳”公司；对于审计人员、 法律 人员来说，可以据此更为准确的对上市公司经营情况做出判断，避免因未能准确披露而招致的法律诉讼。
　　因此，上市公司财务预警是摆在财务管理研究工作者面前亟需研究的课题，是我国财务管理研究的创新项目。目的是创新财务预警模型，提高预警质量。增强预警研究的实用价值，为上市公司利益相关者提供准确的预警信号。
　　
　　1　财务预警研究概述
　　
　　1.1　财务预警的涵义
　　财务预警是指以公司的财务报表、及相关的 会计 资料为依据，以财务指标体系为中心，利用比率分析、比较分析、因素分析及多种统计方法，运用财会、统计、 金融 、经济学等相关学科知识，通过对财务指标的综合分析，对公司财务状况进行预测研究，以及时发现公司在经营管理活动中潜在的经营风险和财务风险，并在危机发生之前向公司相关人员发出警告。wwW.11665.cOm督促各方采取有效措施，避免潜在的风险演变成现实的损失，起到未雨绸缪的作用。
　　
　　1.2　财务预警的功能
　　构建一个有效适用的财务预警系统，对财务运营做出预测预报，无论从哪个立场分析都是十分必要的。经营者能够在财务危机出现的萌芽阶段采取有效措施改善 企业 经营，预防失败；投资者在发现企业的财务危机萌芽后及时处理现有投资，避免更大损失；银行等金融机构可以利用这种预测。帮助做出贷款决策并进行贷款控制；相关企业可以在这种信号的帮助下做出信用决策并对应收账款进行有效管理；注册会计师也可利用这种预警信息确定其审计程序，判断该企业的前景。财务预警涵盖了财务管理的一系列环节，包括监测、诊断、 治疗 、健身等功能。
　　总之，企业财务预警是企业预警系统的一部分，它除了能预先告知经营者、投资者企业组织内部财务营运体系隐藏的问题之外，还能清晰地告知企业经营者应朝哪一个方向努力来有效地解决问题，让企业把有限的财务资源用于最需要或最能产生经营成果的地方。
　　
　　2　样本的选取与指标体系构建原则
　　
　　2.1　样本的选取与数据来源
　　

　　2.2　财务预警指标的确定
　　究竟选择哪些财务指标作为预警指标?这对于预警系统的建立起着至关重要的作用。因为预警指标选择的好坏直接关系到预警结果的有效性，合理的预警指标系统的建立能够真正起到预知危机、控制危机的作用；而预警指标选择不好则预警系统形同虚设不但起不到防患于未然的作用，甚至误导上市公司利益相关者。
　　
　　2.3　财务指标的选取原则
　　在建立 企业 破产预测模型时，财务指标的最初选取遵循了两个原则：一是该指标在以前的研究中出现的频率；二是指标与所要研究问题的潜在相关性。本文在此原则的基础上，综合考虑了以下几个原则：所选取指标对经营危机的情况能准确、 科学 及时的反映，成为企业经营状况的晴雨表；根据我国目前通用的公司财务报表为基础设置指标，且指标不但能够反映公司的危机状况，且具有 经济 意义；本研究以指标越大距危机越远为原则选择指标。
　　
　　3　财务预警指标体系构建中的方法应用
　　
　　3.1　主成分分析方法的应用
　　主成分分析是把多个指标化为少数几个综合指标的一种统计分析方法。在多个指标的研究中，往往由于变量个数太多，并且彼此之间存在着一定的相关性，因而使得所观测的数据在一定程度上反映的信息有所重叠，而且当变量较多时，在高维空间中研究样本的分布 规律 比较麻烦。而主成分分析正是把这种情况简化，即采取一种降维的方法，找出几个综合因子来代表原来众多的变量。
　　
　　3.2　人工神经 网络 方法的应用
　　1985年，由美国学者mcclelland领导的pdp(parallel distribution processing，即并行分布式处理)小组提出了一个人工神经网络(artificial neural network)算法及与它对应的神经网络，由于这个算法具有误差反向传播ebp(error back propagation)的特点因此被简称为bp算法，相应的网络为bp神经网络。
　　该方法用于企业财务预警研究时，一方面利用其映射能力，另一方面主要利用其泛化能力，即在经过一定数量的带噪声的样本的训练后，网络可以提取样本所隐含的特征关系，并对新情况下的数据进行内插和外推以推断其属性。或者说用较少的样本进行训练，使网络能对未经训练的输入也能给出合适的输出。对于bp网络，为了得到较好的泛化能力，除了要有训练样本集之外。还需要测试集。并且随着网络学习次数的增加，训练集的目标函数(测试数据)有可能不减少或增加。说明泛化能力减弱。
　　因此，可取测试集的极小点对应的训练权系，以使网络具有较好的泛化能力。泛化能力还与网络结构有关，即与网络的隐层数和隐层节点数有关，选择的原则是，结构尽量简单，且具较强的泛化能力。
　　
　　4　结论
　　
　　随着我国对外开放和经济体制改革的深入进行特别是加入wto，企业之间竞争日益激烈，因财务危机导致企业经营陷入困境甚至破产清算的同的现象不断增加。因此，我们应防微杜渐，在财务系统正常运作时就应对企业财务运营过程进行跟踪、监控，全面分析企业财务指标数据及早发出预警信号，将企业面临的潜在危险告知经营者，从而使其采取相应的措施，以避免或减弱对企业的破坏程度。