资本结构与公司价值的研究(实证分析)

毕业论文学生姓名：XXX学号：XXX系别班级：会计系10会计学本科二班专业（方向)：会计学题目：基于BP神经网络模型的资本结构与公司价值的研究指导者：讲师评阅者：2014年 5 月 9日目录1引言 (1)2相关理论分析 (1)2.1 资本结构相关理论 (2)2.1.1资本结构概念界定 (2)2.1.2MM资本结构理论 (2)2.1.3新的资本结构理论 (3)2.2 BP神经网络基本原理 (4)3 研究假设与模型设计 (6)3.1 相关变量的选择 (6)3.1.1 因变量的选择 (6)3.1.2 自变量的选择 (7)3.1.3控制变量的选择 (8)3.2研究假设 (10)3.2.1假设一 (10)3.2.2假设二 (10)3.2.3假设三 (10)3.3 模型设计 (11)3.3.1 设计思路 (11)3.3.2模糊分析 (11)3.3.3 深度分析 (12)4 资本结构与公司价值的实证分析 (12)4.1 样本选择和数据来源 (12)4.1.1样本选择 (12)4.1.2数据来源 (13)4.2模型分析 (13)4.2.1 BP神经网络分析前期准备 (13)4.2.2 BP神经网络建模分析 (17)4.2.3 BP神经网络模型结果分析 (21)5结论 (21)5.1综合分析 (21)5.2局限性和改进方法 (22)1引言早在20世纪50年代，随着西方资本主义市场的发展，就有学者着手资本结构理论的研究。

由于中国实行社会主义市场经济的历史不长，目前还缺乏资本结构及其理论方面的系统研究，并且我国企业大多存在着融资方面的能力偏弱，资本结构合理性较差，无法充分有效的利用财务杠杆等一系列问题，企业的经营管理业绩可能会因此而受到一定程度的影响，从而对企业价值造成影响。

因此，通过对西方资本结构理论的研究，结合我国企业的实际情况，建立合适的模型来研究我国上市公司的资本结构对公司价值的影响，对于指导公司的融资行为，优化公司治理结构，提高公司经营管理效率，提高公司经济效益和利润水平，从而进一步提高社会经济资源配置效率，合理而有效地实现社会经济增长、社会充分就业、国际收支平衡等国家宏观经济方面的目标具有巨大的现实意义。

在国外研究文献中，西方学者运用某一种资本结构理论模型下，从自己研究的视角，利用上市公司的财务数据来揭示资本结构与企业价值的关系如何，但是没有得到统一性的结果。

究其个中原因，主要由于所选择的样本数据在时间、空间上的不同，资本市场发达程度不同，所选择的价值衡量标准不同以及所研究的行业角度不同，研究方法不同等造成的。

资本结构与公司价值关系的复杂性，使研究对指导某一类行业具有普遍意义。

笔者认为只有根据我国现阶段的具体情况有针对的分析才能对这一类型的上市公司有一定的指导意义，同时随着环境的变化以及理论的创新，只有与时俱进才能对现阶段有指导意义。

本文通过对我国制造业上市公司的年报数据进行分析，力争理论与实证相统一的研究方法，考察我们上市民营公司资本结构对公司价值的影响，进而探讨上市民营公司资本结构与企业价值之间的关系：为改进公司资本结构提高公司价值提供参考和借鉴。

2相关理论分析西方经济学者对于资本结构问题的研究由来已久，理论体系相对比较完善。

西方学者对于资本结构与公司价值研究的主要理论有MM定理和Miller均衡模型、权衡理论、代理成本理论、信号传递理论、控制权理论等等。

这些理论基本上汇集了近50年西方经济学者关于资本结构的研究成果，有着比较严密的数理推导和大量的经验数据证明。

但是，不同的理论模型侧重于不同方面的研究，假设条件也不尽相同，理论上的情况与现实情况必然有所不同，而且西方发达资本主义市场与我国国情相差很大，对于西方经济学界对于资本结构问题的研究只能在一定程度上进行借鉴。

以下对部分资本结构相关理论和BP神经网络模型进行概述。

2.1 资本结构相关理论2.1.1资本结构概念界定资本结构是指各种资本的价值构成比例及其比例关系。

在企业筹资管理活动中，资本结构有广义和狭义之分。

广义的资本结构指企业全部资本价值的构成及其比例关系。

而狭义的资本结构是指企业各种长期资本价值的构成及其比例关系，尤其是指长期的股权资本与债券资本的构成及其比例关系。

（在本文中用资产负债率来表示资本结构）2.1.2MM资本结构理论（1）MM资本结构理论的基本观点MM资本结构理论的基本观点和结论简要归纳为：在一系列理想的条件假设之下，公司价值与资本结构不相关。

公司拥有的实际资产决定公司价值，而并非各类债权和股权的市场价值。

（2）MM资本结构理论的修正观点MM资本结构修正改进之后的观点认为，考虑到现实生活中存在所得税，公司价值随着财务杠杆系数的提高而增加，由此可以得出公司资本结构与公司价值具有一定的关系的结论。

12.1.3新的资本结构理论（1）代理成本理论代理成本理论是通过研究分析代理成本与资本结构之间的关系而形成的。

代理成本理论通过分析指出，公司债务的违约风险与其财务杠杆系数存在着增函数的关系，杠杆系数增加，违约风险也会相应变大；同时公司债权资本增加了，监督人对于公司债权的监督成本也会随之增加，债权人必然会要求更高的利率来弥补增加的监督成本。

由此增加的代理成本最后会由公司的股东承担，因而公司资本结构中债权所占比重过高时，这样会导致股东价值的减低，债权比重较低时增加债权的价值增加比监督成本的增加要大，根据代理成本理论，如果在资本结构中债权资本适度会增加股东的价值。

（上述的资本结构的代理成本理论仅限于与债务相关的代理成本）（2）信号传递理论信号传递理论认为，调整公司的资本结构会向外界传递有关公司获利能力和风险控制方面的信息，同时也表现了公司看待自身的股票市场价格的态度。

按照资本结构的信号传递理论，当公司价值被外界低估时，会增加债权资本，反之亦然。

（3）优序融资理论优序融资理论认为，公司倾向于首先从公司内部筹资；如果需要额外的外部筹资，公司将会优先选择通过债券筹资，然后再考虑选择其他外部股权筹资，如何进行筹资顺序选择不会传递对公司股价产生比例影响的信息。

优序融资理论认为，公司并不存在明显的最佳目标资本结构，再对股权筹资中的留存收益和增发新股两种方式进行选择时，前者最优先被选用，后者最后被选用。

获利能力强的公司选择比较低的债权比率，不是由于确立了较低的目标债权比率，而是由于没有必要从外部筹资，而获利能力比较差的公司由于公司没有足够的留存收益会选用债权筹资，而且在外部筹资选择中会首先选用债权筹资。

（4）最优资本结构理论1王文红. 我国上市公司债务融资约束条件下的投资选择实证研究[学位论文]，江苏大学，2007；吴汝平. 从资本结构理论看企业筹资途径的选择[期刊论文]，《魅力中国》，2010，5：255资本结构是指企业各种资本的构成及其比例关系，通常用资产负债率来衡量。

企业的资本结构决策是公司融资决策的重要内容，合理的资本结构可以降低企业的平均资本成本，最优资本结构能使企业资本成本最低且企业价值最大并能最大限度地调动利益相关者积极性的资本结构。

2.2 BP神经网络基本原理BP神经网络是1986年由Rumelhart和McCelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。

BP网络可以逼近任意连续函数，具有很强的处理非线性映射能力，还可以根据具体情况设定网络的中间层数、每一层的处理单元个数和网络学习系数等参数，具有很强的灵活性，这些优点使它在许多应用领域中起到非常重要的作用。

为了解决BP神经网络本身存在收敛速度比较慢、无法保证最终网络会收敛到全局最小值点，如何进行网络的中间层及它的单元个数的选取和网络学习和记忆的稳定性比较差等缺陷，不少专家学者提出了许多针对不同问题的改进算法。

BP网络能学习和存贮大量的输入-输出模式映射关系，为了使得网络的误差平方和最小，而无需事前揭示描述这种映射关系的数学方程。

它的学习规则是使用最速下降法，需要不断对网络的权重和阈值进行反向传播来调整。

BP神经网络模型拓扑结构包括输入层（input）、隐层(hide layer)和输出层(output layer)。

BP (Back Propagation)神经网络，即误差反传误差反向传播算法的学习过程，由信息的正向传播和误差的反向传播两个过程组成。

输入层负责接收来自外界的输入信息，并传递给中间层；中间层作为内部信息处理层，负责变换和处理信息，一般会根据信息变化能力的需求，中间层设计成单隐层结构或者多隐层结构；最后一个隐层传递到输出层各神经元的信息，经进一步处理后，完成一次学习的正向传播处理过程，由输出层向外界输出信息处理结果。

当实际输出与期望输出相差比较大时，进入误差的反向传播过程。

误差通过输出层，按误差梯度下降的方式不断的调整和修正各层权值，反方向向隐层、输入层逐层传播。

一次次循环的信息正向传播和误差反向传播过程，就是各层的权重不断调整的过程，这个过程描述神经网络学习训练的过程，一直进行到网络输出的误差降低到了可以接受的程度，也可以是到达了之前预先设定的学习次数为止。

2BP 网络模型包括网络的Input-Output Model 、Function Model 、Error Calculation Model 和Self Learning Model 。

（1）节点输出模型隐节点输出模型，模型函数表示为：O ()j ij i i f W X q =∑-输出节点输出模型，模型函数表示为：()k jk j k Y f T O q =∑- f ：非线形作用函数；q ：神经单元阈值（2）作用函数模型作用函数是用来反映下层输入对上层节点刺激脉冲强度的函数，也称作刺激函数，一般情况下在(0,1)内连续取值Sigmoid 函数，函数表示为：1()1f x e =+ （3）误差计算模型误差计算模型是用来反映神经网络期望输出值与计算输出值之间误差大小的函数，函数表示为：21()2i i Ep tp op =∑-i tp ： i 节点的期望输出值；i op ：i 节点计算输出值。

（4）自学习模型模拟神经网络的学习过程，也就是连接网络下层节点和上层节点之间的权重矩阵Wij 的设定和误差修正过程。

BP 网络指导性的学习方式-需要设定期望值和无指导性的学习方式-只需输入模式两种类型。

自学习模型为(1)()ij n i j a ij n W h o W φ++∆=⨯⨯⨯∆ h ：学习因子；2 任勇. 基于机器视觉的交通路口车载辅助系统研究[学位论文]，苏州大学，2013；马慧民 叶春明 张爽. BP 神经网络在专利技术产业化筛选评估中的应用研究[期刊论文]，《科技管理研究》，2005，8：321i ：输出节点i 的计算误差；jo ：输出节点j 的计算输出；a ：动量因子。