【作　　者】
李 健 刘 翔

【作者单位】
上海大学管理学院 上海 200444

【摘　　要】

      【摘要】本文将遗传算法与BP神经网络结合起来，对我国制造业上市公司进行实证分析，结果发现遗传神经网络预测准确度达到91.67%，高于Logistic回归模型的76.67%和BP神经网络预测模型的88.33%，是一种准确度更高、性能更优的预警模型。
      【关键词】财务危机预警   BP神经网络   遗传算法   t检验

      随着全球化的不断深入，企业间竞争日益激烈，企业发生财务危机甚至破产清算的现象越来越多，同时随着信息技术、网络经济的迅速发展，留给企业应对风险的时间越来越短，如何尽早地发现并防范危机已经成为了企业界与学术界面临的重大问题。因此，建立合适的财务危机预警模型，及时、准确地对财务危机预警，能够帮助企业经营者预测并降低经营风险、提升企业的反应能力，为贷款者提供贷款的风险预警，为政府监管机构提供监视上市公司财务状况新的手段，维护资本市场的稳定健康发展。
　　几十年来，理论界围绕如何更加准确的预测财务危机开展了多种多样的研究，研究的重点主要集中在如下三个方面：①企业财务危机的界定；②财务危机预测方法的研究；③建模指标的选择。本文主要介绍了基于遗传神经网络的上市公司财务危机预警方法，并进行了相关实证分析。