SCI论文（www.lunwensci.com）
摘 要：本文在借鉴国内外学者现有的财务绩效评价体 系研究基础上，结合航空物流A股上市企业的特点，搭建 了航空物流A股上市企业的治理绩效评价体系。同时，在 WIND数据库中选取了35家航空物流A股上市企业，结合 专家评分法，应用自适应调整学习率BP模型对35家航空 物流A股上市企业进行评价，最终给出了财务绩效综合排 名。在上市企业的财务绩效评价中，本研究有一定的理论 和现实意义，对航空物流A股上市企业的绩效管理与决策 具有参考价值。
神经网络具有模拟人的思维、记忆等智能化功 能，其具有超强的非线性函数逼近能力。BP网络算法 是Rumelhart等人(1986)提出的学习方法，这是神经 网络第一个可行的学习算法。由于多层前馈网络的训 练经常采用误差反向传播算法，人们也常把多层前馈 网络直接称为BP网，同时，它也是目前应用最多的神 经网络。西方学者0dom和Sharda结合财务危机预警模 型，首次对人工神经网络分析模型进行上市企业分析 研究以来，BP神经网络也由最初主要应用于预测，拓 展到企业财务治理绩效评价上来。如余繁(2020)探 究了互联网金融上市公司综合绩效评价体系的构建， 层次分析法利联合BP神经网络模型对互联网金融上 市公司绩效进行评价;王军霞(2021)利用BP神经网 络，构建了适用于食品生产企业财务绩效评价的网络 模型，验证了BP神经网络模型的有效性。国内学者从 绩效评价角度进行了大量有价值的研究，但是针对特 点行业评价研究还有待深入。因此，本文选择了中国 航空物流A股上市企业作为样本，利用BP神经网络模 型结合专家打分法来评价其财务绩效，并通过分析得出研究结论。
一、指标体系的构建与数据采集
(一)指标体系
为了能够全面地反映航空物流行业上市企业财务 绩效水平，本文将从盈利、成长、营运、偿债、投资 等五方面指标中，选择主营业务比率、销售毛利率、 利润率、净资产收益率ROE(平均)、营业收入(同 比增长率)、固定资产投资扩张率、净资产(同比增 长率)、应收账款周转率、存货周转率、流动资产周 转率、经营活动产生的现金流量净额/营业收入、经营 活动净收益/利润总额、资产负债率、现金比率、流动 比率15个有代表性的财务指标进行评价。
(二)数据的采集
本文以WIND数据库中2021年A股上市企业航空物 流板块企业为样本，剔除ST或不正常上市企业2家，最 终收集到符合评价要求的上市公司35家，其中随机选择 永泰运、三羊马、传化智联、韵达股份、怡亚通等25家 企业作为训练样本(用于模型拟合的数据样本)，剩余 密尔克卫、原尚股份、华贸物流、上海雅仕等10家企业 作为预测样本(用于评估模型的泛化能力)。
二、评价方法与模型
本文实证部分首先采用专家打分法来评估其财务 绩效，再结合BP神经网络模型对选择样本进行测算。
1.本文选择与上市企业治理与评价相关的人士作 为研究调查的对象，包括云南能投具有高级职称及以 上的独立董事、相关理论研究者、投资专家10人，从盈 利、成长、营运、偿债、投资等五方面指标中主营业务 比率、销售毛利率等15个进行评分(满分为100分)。
2.指标等级划分。本文将效能评分划分为A、B、 C、D四级，根据专家意见将A级评分区间0.7-1.B级 评分区间0.3-0.7(不含0.7)，C级评分区间0.2-0.3 (不含0.3)，D级评分区间0-0.2(不含0.2)。
3.动量BP算法优点是降低了网络对于误差曲面局 部细节的敏感性，有效改进了BP神经网络的原始算法存在收敛速率慢、学习精度低、训练过程易陷入局部 极小值等缺点。本文选择的动量BP算法权值调整算法 为：w(k+1)=w(k)+α[(1- η)D(k)+ηD(k- 1)]其中η为动量因子，0<=η<1.最后加入的动量因 子相当于阻尼，它减少了学习过程的振荡趋势，从而 改变收敛性。
4.对神经网络的输入/输出数据作预处理。为了提 高网络的训练速度，对数据进行归一化处理，本文选 择指标全部为正向指标、比较单一，公式为：xij=[xij- min(xij|i=1. ... ，I)]/[max(xij|i=1. ... ，I) -min (xij|i=1. ...，I)]。
三、实证分析
使BP神经网络模型在MATLAB 开发环境下进行训 练，企业治理绩效训练网络设计如下：样本数据预处 理函数为premnmx(训练数据进行归一化)，层数为 三层，转移函数依次为tansig、logsig、purelin(用来模 拟非线性系统)，神经元个数依次为15.8.1.初始 学习率为0.05.动量因子为0.9.网络训练最大次数为 10000.目标误差为0.00001.
从样本中随机选取25组样本数据作为训练样本， 以确定权值和阈值，其中样本期望输出值通过专家评 价法得到。当迭代次数为3753次时，误差达到9.99e- 8.达到设计要求，测试的评价结果与专家评价结果如 表1所示，可以看出神经网络测算结果与专家评价结果 基本相符，仿真样本的企业治理绩效输出值曲线和期 待值曲线基本一致，企业治理绩效输出值和期待值误 差在可接受的范围，模型具有可行性。
四、结论
本文采用BP神经网络联合专家评分法对航空物流 A股上市企业治理财务绩效进行测算与评估，专家评分 作为输入层数据，对改进的自适应调整学习率BP算法 模型进行训练，剩余10个样本公司对模型测算精度进 行验证。
1.在评价企业财务绩效时BP神经网络具有很好的 适用性，有效降低人为因素的影响。该模型所得出的 评价值与实际值的偏差非常小，进一步证明BP神经网 络能够满足航空与物流A股上市企业治理财务绩效评价 的需求。
2.从表2结果来看，中创物流、中国外运、华贸 物流等6家企业的财务绩效处于A级分值区间，占比 17.14%。B级绩效企业11家，占比31.43%;C级绩 效企业12家，占比34.29%;D级绩效企业6家，占比 17.14%;综合来看，处于中游B、C级的企业居多。
参考文献
[1] 徐楠，谢瑞峰.基于 BP 神经网络的物流上市公司财务绩效评价[J].财会通讯，2014(10)：33-35.
[2] 查道林，漆俊美.清洁能源上市公司财务绩效评价——基于BP神经网络[J].研究与创新，2016(7)：24-26.
[3] 戴雯，张治惠.基于BP神经网络的上市公司财务绩效评价[J].阴山学刊，2018(7)：116-119.
[4] 余繁.基于BP神经网络的互联网金融上市公司绩效评价研究[D].浙江大学，2020.
[5] 王军霞.基于BP神经网络的食品生产企业财务绩效评价研究——以庄园牧场为例[D].河北工程大学，2021.
关注SCI论文创作发表，寻求SCI论文修改润色、SCI论文代发表等服务支撑，请锁定SCI论文网！
文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/guanlilunwen/65954.html
