西南财经大学
学位论文原创性及知识产权声明
本人郑重声明：所呈交的学位论文，是本人在导师的指导下独立进行研
究工作所取得的成果。除文中已经注明引用的内容外，本论文不含任何其他
个人或集体已经发表或撰写过的作品成果。对本文的研究做出重要贡献的个
人和集体，均已在文中以明确方式标明，因本学位论文引起的法律结果完全
由本人承担。
本人同意在校攻读学位期间论文工作的知识产权单位属西南财经大学。
本人完全了解西南财经大学有关保留、使用学位论文的规定，即学校有权保
留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和
借阅。本人授权西南财经大学可以将本学位论文的全部或部分内容编入有关
数据库进行检索，可以采用影印、缩印、数字化或其他复制手段保存和汇编
本学位论文。
本学位论文属于
1、□保密，在_____年解密后适用本授权书。
2、□√不保密
特此声明。

摘要
摘 要
财务风险的发生会对企业的持续经营造成重大影响，可能导致企业发生
重大损失，甚至引发企业的破产。由于新三板的企业大部分为中小微型企业，
其生产经营状况具有较强的不确定性，也容易发生各类财务风险事件，而类
似上海电气通讯技术公司的企业财务风险事件每年均有发生。为此，需要提
高对新三板企业财务风险的预警能力，为监管机构进行市场的监督，保护各
类投资人的利益提供参考依据。目前，广泛采用的财务比率等方法对财务风
险进行预测效果不佳，而 BP神经网络等需要确定其网络的结构，可能存在过
度拟合现象，而 GMDH（Group Method of Data Handing，GMDH）神经网络
能够自适应的学习网络结构，其预测稳定性更佳。因此，本文基于 GMDH神
经网络模型构建新三板财务预警模型，并收集数据进行实证分析，有利于新
三板企业的财务风险预警，对投资人进行交易时提供风险参考。
本文以新三板上市企业为研究对象，研究新三板上市企业的财务风险预
警问题。首先，对新三板上市企业财务风险现状及存在问题进行分析。其次，
基于 GMDH神经网络模型，从企业的偿债能力、盈利能力、营运能力和
成长能力四个方面选取财务指标构建财务预警指标体系，通过遗传算法优化
参数，构建新三板上市企业财务风险预警模型。再次，搜集 2014年到 2020
年新三板上市企业的数据进行实证分析，与常用的财务预警模型如逻辑回归、
BP神经网络等模型进行对比分析，用模型预测的财务风险与企业实际的财务
风险的匹配度来衡量模型的预测能力。最后，总结全文研究结果，提出加强
新三板上市企业财务风险预警能力的建议。
本文的研究主要发现：（ 1）新三板企业经历起步的快速增长后， 2017
年开始市场规模逐渐下降，同时由于存在财务风险而被摘牌的企业也逐渐增
加，为此需要进一步提升财务风险预警的能力，完善新三板市场的建设。（2）
从实证分析来看，遗传算法优化的 GMDH模型的预测性能最好，在准确率上
1

新三板挂牌企业财务风险预警研究—基于神经网络模型的构建与实证分析
比 BP神经网络模型提高 11.2%，比默认参数的 GMDH模型提高 9.1%。在真
负率上比 BP神经网络模型提高 8.3%，比默认参数的 GMDH模型提高 8.3%。
（3）从实证分析来看，应收账款周转率和资产负债率等是企业财务风险预测
的重要指标。其中，应收账款周转率能够直观地表现企业资金的周转速度，
该值越大，表明企业的短期偿债能力越强，财务风险越低。资产负债率是对
企业自身的负债程度进行的衡量，该比率越小，说明企业的长期偿债能力越
强，财务风险越低。
本文的研究有利于制定对新三板企业财务风险进行预测的指标与方法，
有利于为监管机构以及投资人进行参考。
关键词：新三板；财务风险预警；GMDH神经网络；遗传算法
2
。。。以下略