企業(yè)知識(shí)資本運(yùn)營(yíng)風(fēng)險(xiǎn)預(yù)測(cè)與預(yù)警

杜智濤，李玲娟,付 宏

(1.北京市科學(xué)技術(shù)情報(bào)研究所，北京 100048；2.中國(guó)科學(xué)院研究生院，北京 100049)

0 引言

隨著知識(shí)經(jīng)濟(jì)時(shí)代的到來，“知識(shí)”逐漸從其他生產(chǎn)要素中分離出來，獨(dú)立成為一種重要的生產(chǎn)要素，在經(jīng)濟(jì)運(yùn)行中發(fā)揮著主導(dǎo)作用。正如Drucker所言：知識(shí)生產(chǎn)力已經(jīng)成為生產(chǎn)力、競(jìng)爭(zhēng)力和經(jīng)濟(jì)成就的關(guān)鍵，在這一改變的推動(dòng)下，西方以工業(yè)社會(huì)為特征的資本主義社會(huì)將轉(zhuǎn)向以知識(shí)社會(huì)為特征的后資本主義社會(huì)[1]。在這種背景下，企業(yè)生產(chǎn)經(jīng)營(yíng)最重要的資本不再是物質(zhì)資本，而是知識(shí)資本，如微軟公司的市值中有95%由知識(shí)資本構(gòu)成；英特爾公司的知識(shí)資本占其市值的85%；可口可樂公司的知識(shí)資本占其市值的96%；默克制藥公司的標(biāo)準(zhǔn)年收益為55億美元，知識(shí)資本收益就達(dá)51億美元?？梢?，知識(shí)資本在現(xiàn)代企業(yè)中具有重要價(jià)值。如何對(duì)企業(yè)知識(shí)資本進(jìn)行測(cè)度，準(zhǔn)確把握其知識(shí)資本運(yùn)營(yíng)情況，最大化規(guī)避知識(shí)資本運(yùn)營(yíng)風(fēng)險(xiǎn)，是當(dāng)前企業(yè)必須要面對(duì)的重要課題。本文通過構(gòu)建一個(gè)企業(yè)知識(shí)資本運(yùn)營(yíng)風(fēng)險(xiǎn)預(yù)測(cè)和預(yù)警模型，力圖在此方面進(jìn)行初步性的探索。

1 企業(yè)知識(shí)資本的定義及其評(píng)價(jià)指標(biāo)體系

1.1 知識(shí)資本的定義及相關(guān)研究綜述

知識(shí)資本（Intellectual Capital，或智力資本）這個(gè)概念最早由Galbrainth提出，他認(rèn)為知識(shí)資本不僅是靜態(tài)的知識(shí)，還是一種動(dòng)態(tài)的知識(shí)性活動(dòng)[2，3]。Edvinsson和Sullivan認(rèn)為知識(shí)資本是所有對(duì)企業(yè)的市場(chǎng)競(jìng)爭(zhēng)力做出貢獻(xiàn)的專業(yè)知識(shí)、應(yīng)用經(jīng)驗(yàn)、組織技術(shù)、客戶關(guān)系和職業(yè)技巧，是企業(yè)市場(chǎng)價(jià)值與帳面價(jià)值之差，是企業(yè)物質(zhì)資本和非物質(zhì)資本的合成[4，5]。Sveiby等認(rèn)為知識(shí)資本是企業(yè)和組織中有形資產(chǎn)以外的、以相對(duì)無限的知識(shí)為基礎(chǔ)的無形資產(chǎn)，它是企業(yè)的核心競(jìng)爭(zhēng)能力[6]。 Ulrich提出“知識(shí)資本=能力×認(rèn)同感”，式中，“×”表示組織中人力資本與結(jié)構(gòu)資本間的互動(dòng)[7]。Annie Brooking認(rèn)為知識(shí)資本是對(duì)企業(yè)的所有無形資產(chǎn)之和，包括市場(chǎng)資產(chǎn)、知識(shí)產(chǎn)權(quán)資產(chǎn)、人才資產(chǎn)及基礎(chǔ)結(jié)構(gòu)資產(chǎn)，企業(yè)=有形資產(chǎn)+知識(shí)資本[8]。Thomas A.Stewart指出知識(shí)資本是是企業(yè)最有價(jià)值的資產(chǎn)，是企業(yè)中所有成員所知曉的能為企業(yè)在市場(chǎng)上獲得競(jìng)爭(zhēng)優(yōu)勢(shì)的資產(chǎn)之和，并提出了H-S-C模型，即知識(shí)資本由人力資本(Human Capital)、結(jié)構(gòu)資本（Structure Capital）和顧客資本（Customer Capital）構(gòu)成[9，10]。Nick Bontis運(yùn)用主成分分析法、偏最小二乘分析、路徑分析法等，對(duì)知識(shí)資本各組成部分的關(guān)系進(jìn)行了實(shí)證研究，指出結(jié)構(gòu)資本和顧客資本為人力資本提供了價(jià)值創(chuàng)造平臺(tái)，而結(jié)構(gòu)資本和顧客資本又通過人力資本發(fā)揮作用，三者相互作用，共同實(shí)現(xiàn)企業(yè)價(jià)值增值[11]。Hiroyukij Itami通過對(duì)日本企業(yè)的研究，指出影響企業(yè)經(jīng)營(yíng)業(yè)績(jī)差異的根源在于企業(yè)的知識(shí)資產(chǎn)，它用途廣泛，可以創(chuàng)造出多種利潤(rùn)[12]。申明指出知識(shí)資本是企業(yè)所有無形資產(chǎn)的總和，是公司維持正常運(yùn)作不可或缺的因素[13]。

一些學(xué)者也提出了知識(shí)資本在企業(yè)價(jià)值創(chuàng)造中存在的問題，如Griffiths認(rèn)為知識(shí)資產(chǎn)及其管理雖然是組織競(jìng)爭(zhēng)優(yōu)勢(shì)的主要來源，但其獲取和管理也是企業(yè)面臨的一大難題[14]。Mayo指出由于缺乏統(tǒng)一形式來表達(dá)知識(shí)資產(chǎn)，嚴(yán)重抑制了戰(zhàn)略、核心組織能力和流程之間的有效集成[15]。

盡管目前對(duì)于知識(shí)資本的認(rèn)識(shí)還有較大的爭(zhēng)議，但至少有一點(diǎn)得到共識(shí)：知識(shí)資本是對(duì)廠房、機(jī)器設(shè)備、資金等傳統(tǒng)資本概念的有效擴(kuò)充，它將企業(yè)信譽(yù)、商標(biāo)、制度和文化、員工的知識(shí)和忠誠(chéng)、顧客對(duì)企業(yè)的認(rèn)同感、經(jīng)營(yíng)關(guān)系等被傳統(tǒng)管理所忽視、在傳統(tǒng)的企業(yè)財(cái)務(wù)報(bào)表上無法體現(xiàn)其價(jià)值但卻對(duì)企業(yè)經(jīng)營(yíng)管理至關(guān)重要的各種因素整合在一起，使企業(yè)的價(jià)值得到大幅提升。

如何提升知識(shí)資本是企業(yè)面臨的關(guān)鍵問題。Ross[16]和 Marr[17]等認(rèn)為提升企業(yè)的知識(shí)資本要從知識(shí)資本確認(rèn)、知識(shí)資本增值過程分析、知識(shí)資本計(jì)量與評(píng)價(jià)、知識(shí)資本構(gòu)建、知識(shí)資本報(bào)告五個(gè)方面著手。在這五個(gè)方面中，知識(shí)資本的計(jì)量與評(píng)價(jià)是最核心的問題，只有準(zhǔn)確對(duì)知識(shí)資本進(jìn)行計(jì)量和評(píng)價(jià)，才能有效的開發(fā)與利用知識(shí)資本。關(guān)于知識(shí)資本的計(jì)量與評(píng)價(jià)方法，據(jù)Sveiby統(tǒng)計(jì)，迄今為止已經(jīng)公開發(fā)表的大致有20種左右。這些方法可以分為三類：一是從企業(yè)宏觀層面研究知識(shí)資本的整體價(jià)值，包括市場(chǎng)和賬面價(jià)值法、托賓q值法、知識(shí)資本推算法、知識(shí)資本增值系數(shù)法（VAIC）、索洛余值法等。二是將企業(yè)知識(shí)資本細(xì)分為各子類，剖析企業(yè)知識(shí)資本的構(gòu)成、各子類關(guān)系及提升策略，如“Skandia導(dǎo)航儀”模型、無形資產(chǎn)監(jiān)視器模型、平衡記分卡法、指數(shù)法、知識(shí)資本審計(jì)測(cè)量模型、知識(shí)資本報(bào)表、價(jià)值鏈計(jì)分法等。三是將博弈論、期權(quán)理論及可拓學(xué)等新理論與新方法與知識(shí)資本評(píng)價(jià)相結(jié)合，如Smit和Ankum提出了博弈論和實(shí)物期權(quán)綜合評(píng)估模型[18]；Kossovksy提出了應(yīng)用股票市場(chǎng)中的期權(quán)定價(jià)理論對(duì)知識(shí)資本進(jìn)行評(píng)價(jià)的方法[19]；Stephen Chen從戰(zhàn)略視角說明了博弈論與期權(quán)相結(jié)合應(yīng)用于知識(shí)資本評(píng)估的方法[20]；韓靜、付玉等將可拓學(xué)方法引入知識(shí)資本評(píng)價(jià)[21-22]；此外，還有一些學(xué)者運(yùn)用模糊數(shù)學(xué)方法對(duì)知識(shí)資本進(jìn)行了評(píng)價(jià)。

上述知識(shí)資本計(jì)量與評(píng)價(jià)方法使企業(yè)在利用知識(shí)資本上更有可操作性和實(shí)效性。但由于知識(shí)資本的評(píng)價(jià)指標(biāo)較為復(fù)雜，且數(shù)據(jù)獲取不易，使得企業(yè)對(duì)知識(shí)資本評(píng)價(jià)的組織實(shí)施較為困難，企業(yè)無法對(duì)知識(shí)資本進(jìn)行實(shí)時(shí)監(jiān)控；而且上述知識(shí)資本評(píng)價(jià)方法往往是事后性的，當(dāng)企業(yè)發(fā)現(xiàn)知識(shí)資本存在問題時(shí)，往往處于很難扭轉(zhuǎn)局面的境地。本研究針對(duì)這些問題，在對(duì)知識(shí)資本評(píng)價(jià)指標(biāo)進(jìn)行深入分析的基礎(chǔ)上，運(yùn)用灰預(yù)測(cè)和模式識(shí)別方法建立了企業(yè)知識(shí)資本風(fēng)險(xiǎn)預(yù)測(cè)與預(yù)警模型，并提出了信息系統(tǒng)的實(shí)施方案，使企業(yè)能夠?qū)χR(shí)資本進(jìn)行實(shí)時(shí)性、前瞻性和引導(dǎo)性的動(dòng)態(tài)監(jiān)測(cè)與控制。

1.2 企業(yè)知識(shí)資本評(píng)價(jià)指標(biāo)體系

借鑒Stewart的H-S-C模型，本文將企業(yè)的知識(shí)資本分為人力資本、市場(chǎng)資本和結(jié)構(gòu)資本三類。通過對(duì)相關(guān)文獻(xiàn)資料的歸納與分析，將這三類進(jìn)一步細(xì)分為46個(gè)子指標(biāo)。在指標(biāo)的構(gòu)建中，將子指標(biāo)分為增長(zhǎng)與創(chuàng)新性指標(biāo)、效率性指標(biāo)和穩(wěn)定性指標(biāo)三個(gè)維度。指標(biāo)的選取基于以下原則：一是系統(tǒng)性和綜合性，各指標(biāo)應(yīng)能從各個(gè)側(cè)面綜合反映企業(yè)知識(shí)資本的真實(shí)信息；二是可操作性和經(jīng)濟(jì)性，確保數(shù)據(jù)采集能夠有效實(shí)施，且數(shù)據(jù)采集成本不高；三是穩(wěn)定性，所選指標(biāo)可以持續(xù)性進(jìn)行數(shù)據(jù)采集和數(shù)據(jù)積累。然后，通過對(duì)涉及戰(zhàn)略管理、財(cái)務(wù)管理、知識(shí)管理及營(yíng)銷管理等領(lǐng)域的19位專家進(jìn)行問卷調(diào)查，評(píng)判這46個(gè)指標(biāo)的重要性、可度量性和可獲得性，選出以下37個(gè)指標(biāo)，如表1所示。

上述指標(biāo)中，有些直接是企業(yè)的知識(shí)資本，如指標(biāo)（1）、（2）、（4）、（23）、（33）等；有些雖然不是企業(yè)的知識(shí)資本，卻是企業(yè)知識(shí)資本利用后的效果，如指標(biāo)（26）、（30）、（31）等。第（20）、（33）至（37）為定性指標(biāo)，要通過likert七級(jí)量表轉(zhuǎn)化為定量指標(biāo)。此外，由于指標(biāo)量綱不同，必須要進(jìn)行標(biāo)準(zhǔn)化處理。

2 企業(yè)知識(shí)資本運(yùn)營(yíng)風(fēng)險(xiǎn)預(yù)測(cè)與預(yù)警模型構(gòu)建

企業(yè)知識(shí)資本運(yùn)營(yíng)風(fēng)險(xiǎn)預(yù)測(cè)與預(yù)警包括兩個(gè)階段：一是通過現(xiàn)有數(shù)據(jù)預(yù)測(cè)未來趨勢(shì)；二是根據(jù)一定的判別原則，基于上一階段的預(yù)測(cè)值判斷是否出現(xiàn)危機(jī)。本研究運(yùn)用灰色預(yù)測(cè)方法進(jìn)行第一階段的風(fēng)險(xiǎn)預(yù)測(cè)，運(yùn)用模式識(shí)別方法進(jìn)行第二階段的危機(jī)預(yù)警。

2.1 基于系統(tǒng)灰預(yù)測(cè)方法構(gòu)建預(yù)測(cè)模型

表1 企業(yè)知識(shí)資本評(píng)價(jià)指標(biāo)

在不確定性和信息不完備的環(huán)境下，處理數(shù)據(jù)、分析現(xiàn)象、預(yù)測(cè)趨勢(shì)、決策判斷需要用到灰色系統(tǒng)理論?；疑A(yù)測(cè)方法是灰色系統(tǒng)理論的重要內(nèi)容，它利用灰色微分函數(shù)對(duì)信息不完備和不確性的系統(tǒng)發(fā)展變化進(jìn)行分析和預(yù)測(cè)。其中，如果一個(gè)系統(tǒng)具有多種行為變量，則對(duì)此系統(tǒng)的預(yù)測(cè)需要用到系統(tǒng)灰預(yù)測(cè)方法。企業(yè)知識(shí)資本具有無形性、不確定性、信息不完整性和多指標(biāo)性，因此需要運(yùn)用系統(tǒng)灰預(yù)測(cè)方法建模。系統(tǒng)灰預(yù)測(cè)模型需要用到嵌套解法，即將GM（1，1）模型嵌入GM（1，N）模型求解，以獲得各行為變量的預(yù)測(cè)值。

2.1.1 構(gòu)建系統(tǒng)灰預(yù)測(cè)模型

在N個(gè)變量系統(tǒng)中，系統(tǒng)灰預(yù)測(cè)模型為：

式中：(1)x(0)(k)為不同時(shí)刻的各變量觀察值序列，x(0)(k)=[x1(0)(k),x2(0)(k),…，xN(0)(k)]T

（2）x(1)(k)為x(0)(k)的一次累加生成序列（I-AGO），x(1)(k)=[x1(0)(k),x2(0)(k),…，xN(0)(k)]T

(3)z(1)(k)為x(1)(k)的均值序列，z(1)(k)=[z1(0)(k),z2(0)(k),…，zN(0)(k)]T，z(1)(k)=0.5(x(1)(k)+x(1)(k-1))

(4)參數(shù)A和B，b分別為發(fā)展系數(shù)矩陣、灰作用量矩陣

(5)參數(shù)向量為PGM(1,N)=[a1,b12,b13,…，b1N]T，其辨識(shí)算式采用最小二乘式，PGM(1,N)=(BTB)-1BTyN，B為高矩陣，行數(shù)大于列數(shù)：

2.1.2 系統(tǒng)灰預(yù)測(cè)模型嵌套求解步驟

求解方法：

式中，α1與β1i的求解方法與前述同理。

2.2 基于模式識(shí)別方法構(gòu)建預(yù)警模型

根據(jù)預(yù)測(cè)值，按照一定的判別規(guī)則即可對(duì)未來風(fēng)險(xiǎn)進(jìn)行危機(jī)預(yù)警。本文運(yùn)用模式識(shí)別方法來建立預(yù)警模型。首先確定對(duì)預(yù)測(cè)值的分類規(guī)則，然后根據(jù)危機(jī)發(fā)生概率，識(shí)別預(yù)測(cè)值的危機(jī)等級(jí)。

2.2.1 確定分類規(guī)則

設(shè)企業(yè)知識(shí)資本運(yùn)營(yíng)狀態(tài)分為“安全、異常、危險(xiǎn)”三類。用w表示分類狀態(tài)，w=w1表示安全，w=w2表示異常，w=w3表示危險(xiǎn)。本研究是要對(duì)企業(yè)知識(shí)資本運(yùn)營(yíng)狀態(tài)的N個(gè)觀察量x1,x2,…，xN進(jìn)行分析，這些特征的所有可能的取值構(gòu)成了N維特征空間，x=[x1,x2,…，xN]T為N維特征向量。如果在特征空間有某一向量x就是N維特征空間上的某一個(gè)點(diǎn)，那么需要考慮的是：把x分到哪一類w才合適，即確定危機(jī)狀態(tài)的分類規(guī)則。為了盡量減少分類錯(cuò)誤，采用基于最小錯(cuò)誤率的貝葉斯決策方法作為判別依據(jù)。

得到的條件概率P(wi|x)稱為狀態(tài)的后驗(yàn)概率。因此，貝葉斯公式實(shí)質(zhì)上是通過觀察x，把狀態(tài)的先驗(yàn)概率P(wi)轉(zhuǎn)化為狀態(tài)的后驗(yàn)概率P(wi|x)。這樣，基于最小錯(cuò)誤率的貝葉斯決策規(guī)則為：P(wi|x)=maxP(wj|x)若則x∈wi。

根據(jù)上述判別函數(shù)可以設(shè)計(jì)分類器（如圖1所示），先計(jì)算出判別函數(shù)gi(x)，再?gòu)闹羞x出對(duì)應(yīng)于判別函數(shù)為最大值的類作為決策結(jié)果。

2.2.2 多元正態(tài)分布的模式識(shí)別

N個(gè)特征觀察值x的分布預(yù)先可以通過大量的統(tǒng)計(jì)數(shù)據(jù)估算出，由于正態(tài)分布具有物理上的合理性和數(shù)學(xué)上的簡(jiǎn)便性，這里考慮x呈正態(tài)分布時(shí)的計(jì)算方法。多元正態(tài)分布的概率密度函數(shù)為：

式中，μ=E{x}表示各分類x的N維均值向量，即μ=[μ1, μ2,…,μN(yùn)]T；Σ是N×N維協(xié)方差矩陣，Σ=E{(x-μ)(x-μ）T}，Σ-1是Σ的逆矩陣，|Σ|是Σ的行列式。

在多元正態(tài)分布下，令最小錯(cuò)誤率判別式為：

根據(jù)式（8）和式（9），在多元正態(tài)概率型（p(x|wi)～N(μi, Σi),i=1,2,3）下，得到判別函數(shù)：

上式中，N/21n2π與i無關(guān)，可忽略。因此簡(jiǎn)化后得到：

2.2.3 模式識(shí)別錯(cuò)誤率的估計(jì)

在模式識(shí)別分類過程中，用錯(cuò)誤率來衡量分類器性能的優(yōu)劣。由于本研究將危機(jī)分為“安全、異常、危險(xiǎn)”三類，因此，特征空間可以分割成R1，R2，R3三個(gè)區(qū)域?？赡苠e(cuò)分的情況很多，P(e)為平均錯(cuò)誤率。

直接求P(e)的計(jì)算量較大，我們代之計(jì)算平均正確分類概率P(c),則：

2.3 模型應(yīng)用舉例

2.3.1 分類選取訓(xùn)練樣本

本研究從上市公司中抽取訓(xùn)練樣本，這是因?yàn)樯鲜泄镜臄?shù)據(jù)較易獲得，且運(yùn)營(yíng)較為規(guī)范。假設(shè)特別處理（ST）公司在經(jīng)營(yíng)上存在較大風(fēng)險(xiǎn)，因此本研究從滬深兩市2009年160家ST公司中選取經(jīng)營(yíng)最差的45家作為“危險(xiǎn)”類企業(yè)訓(xùn)練樣本；由于EVA評(píng)價(jià)企業(yè)績(jī)效比傳統(tǒng)財(cái)務(wù)指標(biāo)更具有代表性，在非ST公司中，假設(shè)EVA排名越靠前的企業(yè)經(jīng)營(yíng)越好，根據(jù)思騰思特管理咨詢中國(guó)公司發(fā)布的“中國(guó)上市公司EVA排行榜”，選取2007～2009年A股連續(xù)三年在“創(chuàng)造價(jià)值”榜單上排位前100名的38家公司為“安全”類企業(yè)的訓(xùn)練樣本；另外，選取2009年A股上市公司EVA價(jià)值毀損前60名中非ST公司中的50家為“異?！鳖惼髽I(yè)的訓(xùn)練樣本。

2.3.2 確立訓(xùn)練樣本的參數(shù)及判別函數(shù)

企業(yè)知識(shí)資本運(yùn)營(yíng)風(fēng)險(xiǎn)預(yù)測(cè)與預(yù)警指標(biāo)有37項(xiàng)，即n= 37。經(jīng)過參數(shù)估計(jì)，133個(gè)訓(xùn)練樣本2009年知識(shí)資本運(yùn)營(yíng)指標(biāo)均服從多元正態(tài)分布，先驗(yàn)概率分別是：“安全”企業(yè)P（w1）=0.3；“異?！逼髽I(yè)P（w2）=0.4；“危險(xiǎn)”企業(yè)P（w3）=0.3。條件概率密度函數(shù)P（x|wi）的參數(shù)Σ1、Σ2和Σ3分別是37×37矩陣，μ1,μ2,μ3均是37維列向量，由于數(shù)據(jù)量較大，僅列出部分?jǐn)?shù)據(jù)。根據(jù)式（11）得出判別函數(shù)：

2.3.3 計(jì)算評(píng)價(jià)指標(biāo)的預(yù)測(cè)值

以上市公司金風(fēng)科技 (002202)為例，運(yùn)用灰預(yù)測(cè)模型對(duì)該公司知識(shí)資本運(yùn)營(yíng)風(fēng)險(xiǎn)進(jìn)行預(yù)測(cè)和預(yù)警。根據(jù)2.1節(jié)確定的37個(gè)指標(biāo)，收集該公司2004～2009年6年數(shù)據(jù)，數(shù)據(jù)主要來源于公司網(wǎng)站、巨潮資訊網(wǎng)、中國(guó)上市公司資訊網(wǎng)、網(wǎng)易財(cái)經(jīng)證券行情數(shù)據(jù)庫(kù)、正點(diǎn)財(cái)經(jīng)數(shù)據(jù)庫(kù)及有關(guān)公司的相關(guān)公告。對(duì)于定性指標(biāo)，通過問卷調(diào)查，運(yùn)用里克特7級(jí)量表，請(qǐng)24位專家打分，形成定量指標(biāo)。將數(shù)據(jù)代入式（1）～（5），求得2010和2011年預(yù)測(cè)值，部分?jǐn)?shù)據(jù)如表2：

2.3.4 計(jì)算判別函數(shù)

將預(yù)測(cè)值代入式（15）、（16）、（17）中，比較各判別函數(shù)值的大小，若g1(x)值最大，則企業(yè)知識(shí)資本運(yùn)營(yíng)為“安全”狀態(tài)；若g2(x)為最大，則為“異?！睜顟B(tài)；若g3(x)為最大，則為“危險(xiǎn)”狀態(tài)。經(jīng)計(jì)算，金風(fēng)科技2010年和2011年的知識(shí)資本運(yùn)營(yíng)狀態(tài)：2010年，g1(x)=3.21，g2(x)=3.05，g3(x)=2.89；2011年，g1(x)= 4.36，g2(x)=3.27，g3(x)=3.15?？梢?，2010年和2011年金風(fēng)科技的知識(shí)資本運(yùn)營(yíng)都將處于“安全”狀態(tài)。這與金風(fēng)科技近年來不斷加大研發(fā)投入、加強(qiáng)內(nèi)部控制、積極拓展國(guó)際市場(chǎng)有很大關(guān)系。表2中“高學(xué)歷員工比例”和“技術(shù)型員工比例”兩個(gè)指標(biāo)呈逐年遞減趨勢(shì)，是由于該企業(yè)生產(chǎn)規(guī)模的快速擴(kuò)大而導(dǎo)致的人員總數(shù)的增加。

2.3.5 模式識(shí)別的錯(cuò)誤率檢驗(yàn)

將上述計(jì)算獲得的值代入式（13）和式（14），求得錯(cuò)誤率P(e)=2.27%，我們認(rèn)為最大出錯(cuò)概率不超過5%為可接受程度。因此，運(yùn)用上述模型對(duì)金風(fēng)科技知識(shí)資本運(yùn)營(yíng)風(fēng)險(xiǎn)的預(yù)測(cè)和預(yù)警結(jié)論是可在置信的。

表2 金風(fēng)科技知識(shí)資本運(yùn)營(yíng)風(fēng)險(xiǎn)預(yù)測(cè)值部分?jǐn)?shù)據(jù)

3 企業(yè)知識(shí)資本運(yùn)營(yíng)風(fēng)險(xiǎn)預(yù)測(cè)與預(yù)警系統(tǒng)

企業(yè)知識(shí)資本運(yùn)營(yíng)風(fēng)險(xiǎn)預(yù)測(cè)與預(yù)警所需數(shù)據(jù)量大、計(jì)算復(fù)雜，必須要通過構(gòu)建信息系統(tǒng)來進(jìn)行數(shù)據(jù)處理。這一信息系統(tǒng)由信息采集、危機(jī)預(yù)測(cè)與預(yù)警、危機(jī)預(yù)控與處理三個(gè)子系統(tǒng)構(gòu)成。如圖2所示。（1）信息采集子系統(tǒng)通過手動(dòng)錄入和自動(dòng)獲取兩種方式收集信息。企業(yè)信息集成平臺(tái)將企業(yè)內(nèi)部異構(gòu)信息整合生成業(yè)務(wù)數(shù)據(jù)庫(kù)，并通過ETL抽取形成數(shù)據(jù)倉(cāng)庫(kù)；利用數(shù)據(jù)倉(cāng)庫(kù)獲取數(shù)據(jù)，依據(jù)動(dòng)態(tài)評(píng)價(jià)指標(biāo)庫(kù)來明確數(shù)據(jù)采集范圍。（2）危機(jī)預(yù)測(cè)預(yù)警子系統(tǒng)包括信息預(yù)測(cè)和危機(jī)識(shí)別兩個(gè)主要模塊。預(yù)測(cè)模塊通過灰預(yù)測(cè)模型對(duì)企業(yè)知識(shí)資本運(yùn)營(yíng)未來趨勢(shì)進(jìn)行預(yù)測(cè)；危機(jī)識(shí)別模塊基于對(duì)樣本的訓(xùn)練確立判別規(guī)則，并建立分類器對(duì)預(yù)測(cè)值進(jìn)行警級(jí)分類，然后對(duì)警級(jí)情況進(jìn)行可視化表示。（3）危機(jī)預(yù)控與處理子系統(tǒng)是根據(jù)對(duì)危機(jī)預(yù)測(cè)預(yù)警結(jié)論，提出干預(yù)對(duì)策和建議。知識(shí)庫(kù)是儲(chǔ)存和管理危機(jī)案例的數(shù)據(jù)庫(kù)，由案例庫(kù)和方案集構(gòu)成。當(dāng)本企業(yè)知識(shí)資本發(fā)生危機(jī)時(shí)，系統(tǒng)從知識(shí)庫(kù)中尋找相似方案，若既有方案可用，則直接用于解決當(dāng)前問題；若方案不可用，則運(yùn)用推理技術(shù)產(chǎn)生新方案，并把新方案作為加入知識(shí)庫(kù)。

4 結(jié)語

本文在構(gòu)建了企業(yè)知識(shí)資本評(píng)價(jià)指標(biāo)體系的基礎(chǔ)上，運(yùn)用灰預(yù)測(cè)和模式識(shí)別方法建立了企業(yè)知識(shí)資本風(fēng)險(xiǎn)預(yù)測(cè)與預(yù)警模型，并以上市公司為訓(xùn)練樣本，進(jìn)行了應(yīng)用舉例。同時(shí)，為解決該模型數(shù)據(jù)量大、計(jì)算復(fù)雜的問題，提出了企業(yè)知識(shí)資本運(yùn)營(yíng)風(fēng)險(xiǎn)預(yù)測(cè)與預(yù)警信息系統(tǒng)的建設(shè)方案。本文突破了知識(shí)資本評(píng)估傳統(tǒng)方法的事后性特點(diǎn)，通過前瞻性的預(yù)測(cè)、實(shí)時(shí)性的評(píng)估和基于大樣本統(tǒng)計(jì)的科學(xué)判斷，使企業(yè)知識(shí)資本的管理更加具有可行性和實(shí)用性，提升了企業(yè)知識(shí)資本的利用效果。應(yīng)用本模型應(yīng)注意以下幾點(diǎn)：一是由于評(píng)價(jià)指標(biāo)的合理性是確保預(yù)測(cè)準(zhǔn)確性的關(guān)鍵，因此在選擇評(píng)價(jià)指標(biāo)上應(yīng)慎重，盡可能選擇具有代表性和關(guān)鍵性的指標(biāo)。同時(shí)，應(yīng)尋找那些在組間差別盡可能大、而在組內(nèi)差別盡可能小的指標(biāo)變量。二是本文為簡(jiǎn)化處理，設(shè)指標(biāo)變量x呈多元正態(tài)分布，若指標(biāo)變量呈均勻分布、卡方分布等其他函數(shù)分布時(shí)，也可以類似地求解。三是由于訓(xùn)練樣本的選擇決定著預(yù)警過程中的分類規(guī)劃，因此訓(xùn)練樣本數(shù)量應(yīng)盡可能的多，且分布盡可能均衡，盡可能具有代表性。

[1]Peter F.Drucker.Post-Capitalist Society[M].New York:Harper Collins Publishers Inc.,1993.

[2]Galbraith J.K.The Affluent Society[M].Boston:Houghton Mifflin, 1969.

[3]Galbraith J.K.The Anatomy of Power[M].Boston:Houghton Mifflin,1983.

[4]Edvinsson L.,Sullivan P.Developing a Model for Management Intellectual Capital[J].European Management Journal,1996,4(14).

[5]Edvinsson L.，Malone M.S.Intellectual Capital:Realizing Your Company's True Value by Finding Its Hidden Brainpower[M].New York:Harper Business,1997.

[6]Karl Erik Sveiby.The New Organizational Wealth-Managing and Measuring Knowledge Based Assets[M].Berrett Koehler Publication, 1997.

[7]Ulrich D.Intellectual Capital=Competence×Commitment[J].Sloan Management Review,winter,1998,6(3).

[8]Annie Brooking.Intellectual Capital:Core Asset for the Third Millennium[M].New York:International Thomson Business Press,1996.

[9]Stewart T A.Brainpower:How Intellectual Capital is Becoming America's Most Valuable Asset[J].Fortune,June3,1991.

[10]Thomas A.Stewart.Intellectual Capital-The New Wealth of Organization[M].Doubleday/Currency Publication,1997.

[11]Nick Bontis.Intellectual Capital:An Exploratory Study that Develops Measure and Model[J].Management Decision,1998,36(2).

[12]Hiroyuki Itami,Thomas W.Roehl.Mobilizing Invisible Assets [M].Cambridge:Harvard University Press,1987.

[13]申明.知識(shí)資本運(yùn)營(yíng)論[M].北京：企業(yè)管理出版社，1998.

[14]Griffiths D M,Boisot V.Mole.Strategies for Managing Knowledge Assets:A Tale of Two Companies[J].Technovation,1998,18 (8/9).

[15]Mayo A.The Human Value of the Enterprise:Valuing People as Assets:Monitoring,Measuring,Managing[M].London:Nicholas Brealey Publishing,2001.

[16]Pike S,Roos G.Mathematics and Modern Business Management [J].Journal of Intellectual Capital,2001,2.

[17]Marr B,Gupta G,Pike S.Intellectual Capital and Knowledge Management Effectiveness[J].Management Decision,2003,8

[18]Smit H T,Ankum L A.A Real Options and Game-theoretic Approach to Corporate Investment Strategy under Competition[J]. Financial Management,1993,8.

[19]Kossovksy N.Fair Value of Intellectual Property:an Optionsbased Valuation of Nearly 8000 Intellectual Property Assets[J]. Journal of Intellectual Capital,2002,3.

[20]Stephen Chen.Valuing Intellectual Capital Using Game Theory [J].Journal of Intellectual Capital,2003，4（2）.

[21]韓靜,胡漢輝,吳應(yīng)宇.基于可拓方法的企業(yè)知識(shí)資本風(fēng)險(xiǎn)綜合評(píng)價(jià)研究[J].研究與發(fā)展管理,2008,12(6).

[22]付玉,袁林.物元模型在知識(shí)資本評(píng)價(jià)中的應(yīng)用[J].科技進(jìn)步與對(duì)策,2006,（1）.