基于卡尔曼滤波的制药企业财务困境预警研究

Lack of targeted early warning mechanism of financial distress is one of the important factors that affect the sustainable development of China's pharmaceutical enterprises. Pharmaceutical enterprises usually have long investment cycle, so some driving factors have inter-temporal influence on financial distress. However, few studies on early warning of financial distress take into account the cumulative influence of historical information on the present state from the perspective of a long period,leading to poor effects for pharmaceutical enterprises. So the research on the relationship between finacial distress and corporate governance variables and financial information variables is conducted from the perspective of the cumulative influence of historical information on the present state. For research on the relationship between finacial distress and corporate governance variables, the influence of ownership structures, incentive mechanisms and others on financial decisions information is analyzed. For research on the relationship between finacial distress and financial information variables, the management efficiency of monetary resources, accounts receivable, intangible assets, selling expenses and others is analyzed. Accordingly, Kalman filtering is applied in the prediction modeling, warning degrees dividing and measures design, in order to achieve the scientific and targeted early warning of financial distress for pharmaceutical enterprises. It is of important academic value for improving the theory of early warning of financial distress. Moreover, it can form a set of intelligent tools for monitoring financial risks when using programming software to develop applications for the prediction model, warning thresholds and measures, and thus it provides protection for upgrading and development of pharmaceutical industry in our country under the new normal.

影响我国制药企业可持续发展的重要原因之一是缺乏有针对性的财务困境预警机制。制药企业投资周期长，财务困境驱动因素存在跨期影响作用，而以往的财务困境预警研究很少从长时间周期的角度考虑历史信息对现时状态的累积影响作用，导致制药企业财务困境预警效果不佳。本课题基于新常态下对财务困境预警的新需求，从历史信息对现时状态的累积影响视角，针对制药企业股权结构、激励机制等公司治理变量对财务决策信息的影响作用及货币资金、应收账款、无形资产、销售费用的管控效率等财务管理要素与财务困境之间的关系展开研究，并将卡尔曼滤波理论和方法应用于财务困境预测模型构建、预警警度划分和警戒措施设计的研究中，力图提升制药企业财务困境预警的科学性和针对性。课题对完善财务困境预警理论具有重要的学术价值，预测模型、警戒阈值和警戒措施结合编程软件开发应用可形成一套智能化的财务风险监控工具，为新常态下我国医药产业升级发展提供保障作用。

本项目研究在医药产业转型升级背景下，制药企业资本结构发生变化，外部融资需求增强，其财务困境发生的原因、预测方法及智能化实现的问题。主要开展了四个方面的工作：①基于信息滤波理论的财务状态预测流程设计。基于财务困境的累积变异特性，从长时间周期的角度考虑了历史信息对现时状态的累积影响，借鉴信息滤波理论对信息传输过程中噪声处理的最优估计方法，设计了企业财务状态连续递进预测流程。②制药企业财务困境影响因素分析。采用文献归纳、调研、访谈、专家打分等方式进行，从投资决策的战略意义、经营流程的风险控制、创新活动的投入产出问题、产业层面的影响因素四个方面剖析了制药企业财务困境发生的原因，在预测模型构建中考量了财务指标、公司治理变量、创新投入、政府补贴、劳动力素质、制药企业与所在省份经济耦合的协调指数、区域法律环境强度等。③基于卡尔曼滤波和卡尔曼滤波改进方法的模型构建。第一步，基于状态空间方法建立了过程模型和判别模型的联立方程，分别用于描述财务困境的动态过程和判别规则；第二步，基于传统卡尔曼滤波推算了超前n步预测算法，用来考察动态模型的超前预测能力；第三步，由于制药企业财务结果和其影响因素可能呈现非线性关系，基于BP神经网络对系统辨识的非线性映射能力来改进卡尔曼滤波的最优估计。④实证检验。设计了两次实证研究：采用财务信息指标基于卡尔曼滤波方法对制药企业财务困境进行预测；采用财务和非财务信息指标基于BP神经网络改进卡尔曼滤波方法进行预测。结论是：①传统卡尔曼滤波模型在企业财务困境实时预测和超前预测方面表现出良好的性能；②企业财务状态的分级界定对困境预警具有明显的意义；③制药企业财务困境发生的影响因素和作用机制还需要进一步探讨，对于模型选择起到关键作用。项目成果对财务困境理论解释起到了补充作用，在财务困境预测方法研究中采用并改进了机器学习算法，实现了实时预测结果输出的智能化应用。