摘要
创业板制造业上市公司财务预警MLP神经网络创业板上市公司由于存在高成长性、高创新性等特点而广泛受到市场的关注，2020年，我国实施了创业板注册制改革试点，这一举措标志着我国资本市场进入了全新的发展阶段，但试点过程中准入门槛的降低以及创业板存在的经营状况不稳定、治理机制不合理等弊端都容易使公司产生更大的财务风险。财务风险的管控与企业长期发展密切相关，并关系到投资者利益以及有关部门的监管，因此，建立财务预警及评价机制势在必行。对创业板上市公司进行财务预警及评价的意义在于通过研究，可以帮助管理者识别潜在的财务风险，及时进行风险管控，降低现有投资者损失收益的风险，帮助潜在投资者避开陷入财务困境的公司，合理地进行投资，有助于监管者针对财务风险的大小纠正失衡的预防措施，完善监管体系，维持经济的稳定运行。制造业作为促进我国经济发展的支柱性行业，在创业板中也占据着举足轻重的位置，因此对创业板制造业上市公司进行财务预警及评价更具代表性。 文章以创业板制造业上市公司为研究样本，基于MLP神经网络方法构建财务预警模型，并运用聚类分析法对预测样本进行财务评价。根据文献资料以及创业板股票上市新规以最近一年净利润为负，持续两年净利润为负以及净资产为负当作预警度划分标准，将预警区间分成安全，轻度，重度三类;选择141家上市公司作为训练与检验样本，48家上市公司作为预测样本，通过K-S检验和Kruskal-Wallis检验将27个财务及非财务变量引入变量体系;将通过非参数检验的指标进行因子分析，最终提取出盈利因子、偿债因子、流动资产营运因子、成长因子及资本结构因子等8项公因子，并以此作为输入层构建MLP神经网络预警模型;之后，运用预测样本验证模型的预测效果，并运用聚类分析法对三类警区样本进行三维度或两维度财务评价以对比样本间的差异。研究表明:MLP神经网络预警模型的预测正确百分比达到92.2％，利用预测样本进行验证的结果与模型训练结果十分接近，预测正确百分比为93.75％，预测效果显著，所以可以利用神经网络进行预警研究;通过财务评价，发现安全警区与轻度警区样本在偿债能力和流动资产营运能力上存在差异，重度警区样本的盈利能力不足，三类样本的成长性普遍较差，总体而言，创业板制造业上市公司在偿债能力、流动资产营运能力以及成长能力方面普遍偏弱，财务质量有待提升。本文就预警机制的建立以及能力提升等方面提出一些建议，以期为企业防范控制风险提供依据。
NETL