基于系統(tǒng)結(jié)構(gòu)模型的大數(shù)據(jù)財(cái)務(wù)預(yù)警指標(biāo)分析

宋彪+徐沙沙+丁慶洋+朱建明

【摘 要】 大數(shù)據(jù)是當(dāng)前學(xué)術(shù)界的研究熱點(diǎn)，同時(shí)大數(shù)據(jù)在各行業(yè)的具體應(yīng)用也是當(dāng)前亟待解決的難題。由于財(cái)務(wù)指標(biāo)存在一定滯后和失真，非財(cái)務(wù)指標(biāo)難以客觀量化，導(dǎo)致企業(yè)財(cái)務(wù)預(yù)警模型一直存在詬病，因此將大數(shù)據(jù)指標(biāo)合理地引入到企業(yè)財(cái)務(wù)預(yù)警模型是必要的。大數(shù)據(jù)具有高維度低價(jià)值含量的特點(diǎn)，在財(cái)務(wù)預(yù)警應(yīng)用中難以確定指標(biāo)。通過系統(tǒng)結(jié)構(gòu)模型分析，分析出大數(shù)據(jù)指標(biāo)并針對(duì)上市制造業(yè)企業(yè)實(shí)證。結(jié)果表明，所選擇的大數(shù)據(jù)指標(biāo)可以起到優(yōu)化財(cái)務(wù)預(yù)警模型的作用。文章提出的大數(shù)據(jù)企業(yè)財(cái)務(wù)預(yù)警模型提高了企業(yè)財(cái)務(wù)預(yù)警效果，同時(shí)采用的系統(tǒng)結(jié)構(gòu)模型方法也為其他領(lǐng)域?qū)Υ髷?shù)據(jù)指標(biāo)的選擇及應(yīng)用提供了借鑒。

【關(guān)鍵詞】 大數(shù)據(jù)； 財(cái)務(wù)預(yù)警； 非財(cái)務(wù)指標(biāo)； 系統(tǒng)結(jié)構(gòu)模型

【中圖分類號(hào)】 C931 【文獻(xiàn)標(biāo)識(shí)碼】 A 【文章編號(hào)】 1004-5937（2017）09-0095-05

一、研究現(xiàn)狀

財(cái)務(wù)預(yù)警是一個(gè)世界性難題。國外對(duì)財(cái)務(wù)預(yù)警的研究較國內(nèi)要早，多集中在多變量動(dòng)態(tài)分析模型的基礎(chǔ)之上，國內(nèi)尚未有人提出適合我國企業(yè)實(shí)際并得到有效驗(yàn)證的財(cái)務(wù)預(yù)警模型。國內(nèi)很多學(xué)者對(duì)財(cái)務(wù)預(yù)警進(jìn)行了開創(chuàng)性的嘗試，財(cái)務(wù)預(yù)警管理已經(jīng)成為企業(yè)管理研究的一個(gè)熱點(diǎn)話題[1]。

財(cái)務(wù)預(yù)警從選取的指標(biāo)上劃分，可以分為基于財(cái)務(wù)指標(biāo)和非財(cái)務(wù)指標(biāo)兩種?；谪?cái)務(wù)指標(biāo)的財(cái)務(wù)預(yù)警效果一直受限于會(huì)計(jì)信息的失真和滯后性。而基于非財(cái)務(wù)指標(biāo)的財(cái)務(wù)預(yù)警模型又因?yàn)橹笜?biāo)獲取的主觀性飽受詬病。以2008年發(fā)表在《自然》雜志上論述大數(shù)據(jù)科學(xué)的多篇文章為標(biāo)志，世界范圍內(nèi)對(duì)數(shù)據(jù)科學(xué)問題的研究正式拉開帷幕。伴隨著社會(huì)實(shí)踐的推進(jìn)以及科學(xué)技術(shù)的發(fā)展，國內(nèi)外對(duì)大數(shù)據(jù)科學(xué)問題的研究進(jìn)一步深入，現(xiàn)階段學(xué)者研究的主題主要圍繞以下方面：（1）大數(shù)據(jù)是什么，即如何對(duì)大數(shù)據(jù)進(jìn)行科學(xué)規(guī)范的定義問題。（2）大數(shù)據(jù)的影響，即大數(shù)據(jù)技術(shù)的發(fā)展會(huì)對(duì)人類社會(huì)的發(fā)展產(chǎn)生怎樣的變革，其中所蘊(yùn)含的機(jī)遇與挑戰(zhàn)是什么。（3）大數(shù)據(jù)應(yīng)用于人類社會(huì)發(fā)展實(shí)踐中所必須得以突破的關(guān)鍵技術(shù)是什么以及應(yīng)該如何進(jìn)行突破。（4）面對(duì)大數(shù)據(jù)時(shí)代的到來該如何應(yīng)對(duì)等。在社會(huì)經(jīng)濟(jì)領(lǐng)域，Michael et al.[2]指出，大數(shù)據(jù)時(shí)代來臨的趨勢(shì)已經(jīng)不可逆轉(zhuǎn)，在審計(jì)領(lǐng)域，審計(jì)師將大數(shù)據(jù)技術(shù)應(yīng)用到審計(jì)工作中已經(jīng)成為了應(yīng)對(duì)時(shí)代變革的重要舉措，其呼聲也越來越高。宋彪等[3]首次把大數(shù)據(jù)引進(jìn)財(cái)務(wù)預(yù)警模型，根據(jù)上市公司的ST情況進(jìn)行了實(shí)證，結(jié)果顯示預(yù)警的效果大為提高。目前的相關(guān)研究大都提出技術(shù)框架，或者關(guān)注技術(shù)實(shí)現(xiàn)，大數(shù)據(jù)如何引入財(cái)經(jīng)領(lǐng)域的理論論證尚未完善。本文從理論的角度分析了大數(shù)據(jù)指標(biāo)引入的可行性和途徑。一般把大數(shù)據(jù)引入到財(cái)經(jīng)領(lǐng)域的研究中，需要研究企業(yè)大數(shù)據(jù)信息正面情緒指標(biāo)、中性情緒指標(biāo)、負(fù)面情緒指標(biāo)、正面與負(fù)面情緒交互指標(biāo)以及大數(shù)據(jù)信息發(fā)布頻次指標(biāo)。這里所說的大數(shù)據(jù)是為了與財(cái)務(wù)指標(biāo)區(qū)分，嚴(yán)格意義上來講，財(cái)務(wù)指標(biāo)也是企業(yè)大數(shù)據(jù)的一部分。本文所提及的大數(shù)據(jù)指標(biāo)，是通過對(duì)互聯(lián)網(wǎng)上無數(shù)網(wǎng)民這個(gè)企業(yè)傳感器進(jìn)行搜集和信號(hào)融合而得到的。它的特點(diǎn)是來源廣泛，結(jié)構(gòu)非常復(fù)雜，需要從網(wǎng)絡(luò)的海量信息中在線篩選才可獲取，能夠從所有利益相關(guān)人在線回饋信號(hào)流角度反映企業(yè)運(yùn)行的全貌，個(gè)別力量難以左右其趨勢(shì)，具有群體智慧性，并且呈信息碎片化和無意識(shí)狀態(tài)，符合大數(shù)據(jù)的相關(guān)定義。這些信號(hào)流中已經(jīng)包含了以往財(cái)務(wù)預(yù)警研究中涉及到的非財(cái)務(wù)指標(biāo)信息，而且這種信號(hào)傳遞的信息比以往研究中，通過調(diào)研或者一些定性方法獲得的個(gè)別非財(cái)務(wù)指標(biāo)要更加客觀和全面。

二、基于系統(tǒng)結(jié)構(gòu)模型的分析

確定大數(shù)據(jù)指標(biāo)和非財(cái)務(wù)指標(biāo)的關(guān)系，是一項(xiàng)極其龐大而復(fù)雜的任務(wù)。ISM即解釋結(jié)構(gòu)模型，作為一種成熟的系統(tǒng)結(jié)構(gòu)模型化技術(shù)，為研究大數(shù)據(jù)指標(biāo)和非財(cái)務(wù)指標(biāo)的系統(tǒng)關(guān)系提供了強(qiáng)有力的工具。

目前，非財(cái)務(wù)指標(biāo)的既有研究所提出的各種指標(biāo)缺乏系統(tǒng)性，研究非財(cái)務(wù)指標(biāo)的系統(tǒng)性影響所使用的方法主要以規(guī)范為主，還沒有一個(gè)公認(rèn)的非財(cái)務(wù)指標(biāo)對(duì)財(cái)務(wù)危機(jī)的整體影響評(píng)價(jià)模型。非財(cái)務(wù)指標(biāo)有必要進(jìn)行系統(tǒng)分析，才能考慮引入財(cái)務(wù)危機(jī)預(yù)警模型，否則非財(cái)務(wù)指標(biāo)之間結(jié)論不會(huì)穩(wěn)定，甚至?xí)霈F(xiàn)自相矛盾的情況。

ISM模型構(gòu)建主要有以下步驟：系統(tǒng)構(gòu)成要素確定、鄰接矩陣確定、可達(dá)矩陣計(jì)算、層次化處理、繪制有向圖和形成遞階結(jié)構(gòu)模型。研究大數(shù)據(jù)指標(biāo)與非財(cái)務(wù)指標(biāo)對(duì)財(cái)務(wù)危機(jī)預(yù)警的系統(tǒng)性關(guān)系，首先要確定相關(guān)指標(biāo)。指標(biāo)獲取方法主要是搜集文獻(xiàn)，搜集使用非財(cái)務(wù)指標(biāo)進(jìn)行財(cái)務(wù)危機(jī)預(yù)警的相關(guān)文獻(xiàn)，最終形成備擇文獻(xiàn)。其次，從備擇文獻(xiàn)中檢索出所有出現(xiàn)的非財(cái)務(wù)指標(biāo)，整理形成備擇指標(biāo)。最后，提請(qǐng)專家小組對(duì)備擇指標(biāo)進(jìn)行評(píng)價(jià)，對(duì)指標(biāo)進(jìn)行增減，以及對(duì)指標(biāo)內(nèi)涵進(jìn)行新的擴(kuò)展，從而得到完備指標(biāo)要素，即構(gòu)成ISM構(gòu)成要素。系統(tǒng)由17個(gè)要素組成，如表1。

系統(tǒng)中的17個(gè)要素是一個(gè)有機(jī)整體。為直觀顯示各要素之間的關(guān)系，本文利用鄰接矩陣進(jìn)行描述，將要素間的直接影響表述為aij=1，即若要素之間沒有直接影響表述為aij=0，要素Ai對(duì)Aj沒有直接影響。根據(jù)專家組及相關(guān)人員分析之后，建立鄰接矩陣如表2。

根據(jù)鄰接矩陣可以構(gòu)建要素關(guān)系圖，如圖1。

各個(gè)要素之間的直接關(guān)系是靠鄰接矩陣來表示的，然而事實(shí)上，間接關(guān)系也是這些要素之間要研究的重要內(nèi)容。例如要素Ai會(huì)對(duì)Aj造成影響，同時(shí)Aj又對(duì)Ak產(chǎn)生影響，便將Ai視為基于Aj要素對(duì)Ak構(gòu)成間接影響的要素，Ai對(duì)Ak產(chǎn)生了間接影響。這種間接影響則可以通過一個(gè)或者多個(gè)要素來進(jìn)行傳遞。一般情況下研究的樣本中這些直接或者非直接的各個(gè)要素之間所形成的各種影響關(guān)系，可以使用可達(dá)矩陣M來進(jìn)行描述。其中矩陣中的元素aij=1是用來描述要素Ai直接或非直接地影響到Aj，相反，aij=0。具體結(jié)果如表3。

接下來的研究需要進(jìn)行級(jí)位劃分，主要是針對(duì)可達(dá)矩陣區(qū)域內(nèi)元素進(jìn)行地位確定，在整個(gè)過程中進(jìn)行所有元素的層次地位劃分。將區(qū)域中基于影響關(guān)系構(gòu)成的要素集合進(jìn)行逐個(gè)排查，觀察找出系統(tǒng)中對(duì)其他任何要素都不產(chǎn)生影響的要素，將其定義為系統(tǒng)最高要素，并將其排除，之后重復(fù)上述過程逐級(jí)搜索一直到最低級(jí)的要素為止。

借助Matlab數(shù)據(jù)分析工具，可以快速將要素進(jìn)行分級(jí)，結(jié)果見表4。

根據(jù)分級(jí)提取骨架矩陣，并構(gòu)建遞階結(jié)構(gòu)模型如圖2。

由圖2可以清楚地看到，大數(shù)據(jù)指標(biāo)及非財(cái)務(wù)指標(biāo)與財(cái)務(wù)危機(jī)關(guān)系系統(tǒng)是一個(gè)有8級(jí)的遞階結(jié)構(gòu)模型。在線信號(hào)N1以及財(cái)務(wù)危機(jī)N2的直接原因就是股票價(jià)格N4的變化。而影響股票價(jià)格的直接原因有或有事項(xiàng)N5、審計(jì)意見N6、發(fā)展能力N14以及市場(chǎng)份額N17?；蛴惺马?xiàng)和審計(jì)意見是一種外在因素，發(fā)展能力與市場(chǎng)份額的直接原因是公司治理N3和顧客滿意N11，公司治理的直接影響因素是股份結(jié)構(gòu)N9和獨(dú)董人數(shù)N10，顧客滿意的直接影響因素是產(chǎn)品質(zhì)量N12。股份結(jié)構(gòu)與獨(dú)董人數(shù)的直接影響因素是戰(zhàn)略目標(biāo)N13，而產(chǎn)品質(zhì)量直接影響因素是技術(shù)目標(biāo)N16。戰(zhàn)略目標(biāo)的直接影響因素是市場(chǎng)變化N8，質(zhì)量目標(biāo)的直接影響因素是市場(chǎng)變化N8和創(chuàng)新能力N15。最低級(jí)行業(yè)背景N7是市場(chǎng)變化的原因。創(chuàng)新能力是一種系統(tǒng)客觀存在的狀態(tài)，在本系統(tǒng)中沒有直接影響因素。

根據(jù)要素全關(guān)系圖優(yōu)化遞階結(jié)構(gòu)模型，進(jìn)而得到解釋結(jié)構(gòu)模型，如圖3。

由于企業(yè)經(jīng)營活動(dòng)的復(fù)雜性，非財(cái)務(wù)指標(biāo)的數(shù)量極其龐大，性質(zhì)也特別復(fù)雜。對(duì)所有的非財(cái)務(wù)指標(biāo)進(jìn)行確定、跟蹤和分析是不可能的一項(xiàng)任務(wù)。系統(tǒng)中的各個(gè)非財(cái)務(wù)指標(biāo)都是目前文獻(xiàn)中常用的，因此將未知的一些因素都放在或有事項(xiàng)里。這些指標(biāo)在具體應(yīng)用中的計(jì)算都比較困難，沒有統(tǒng)一的標(biāo)準(zhǔn)。往往靠定性分析，或者簡(jiǎn)單地找到幾個(gè)財(cái)務(wù)指標(biāo)來反映復(fù)雜的非財(cái)務(wù)指標(biāo)內(nèi)涵。在解釋結(jié)構(gòu)模型中發(fā)現(xiàn)，在線信號(hào)可以預(yù)測(cè)股票價(jià)格的變化趨勢(shì)，這在國外的文獻(xiàn)中已有證明。同時(shí)，財(cái)務(wù)危機(jī)也是股票價(jià)格變化的一種結(jié)果，而且在線信號(hào)與財(cái)務(wù)危機(jī)具有相互作用的關(guān)系。因此以股票價(jià)格為流體，在線信號(hào)和財(cái)務(wù)危機(jī)形成一種連通器的構(gòu)造，即在線信號(hào)的變化可以對(duì)財(cái)務(wù)危機(jī)進(jìn)行同步的觀察和預(yù)測(cè)。由于在線信號(hào)量化的容易性，考慮用在線信號(hào)替代不易量化的非財(cái)務(wù)指標(biāo)是一個(gè)有效的處理手段。

三、實(shí)證

為了對(duì)前面分析的結(jié)論進(jìn)行驗(yàn)證，本文采用網(wǎng)絡(luò)爬蟲技術(shù)對(duì)60家企業(yè)的所有相關(guān)全網(wǎng)網(wǎng)絡(luò)數(shù)據(jù)，包括博客、論壇、新聞等信息進(jìn)行了采集，時(shí)間跨度為2009年1月1日到2013年12月31日。通過數(shù)據(jù)收集及數(shù)據(jù)清洗，共得到了7 000萬余條，其中大部分?jǐn)?shù)據(jù)為文本信息。而文本信息本身具有非結(jié)構(gòu)化和大量重復(fù)的特點(diǎn)。這些大數(shù)據(jù)反映的相關(guān)情緒引入到財(cái)務(wù)預(yù)警模型，能否起到改善預(yù)警效果的作用呢？首先對(duì)數(shù)據(jù)進(jìn)行過濾，將文本信息中的無效信息篩選出去，并對(duì)剩余信息進(jìn)行數(shù)值化處理。利用財(cái)經(jīng)領(lǐng)域詞典對(duì)信息進(jìn)行語義分析。同時(shí)為驗(yàn)證大數(shù)據(jù)有效信息頻次對(duì)財(cái)務(wù)預(yù)警模型的影響，要對(duì)上市公司的相關(guān)有效信息進(jìn)行頻次統(tǒng)計(jì)?？紤]到制造業(yè)企業(yè)數(shù)量占全部上市企業(yè)總數(shù)量的比重最高，同時(shí)所在行業(yè)不同其表征的財(cái)務(wù)特點(diǎn)并不一致，具有風(fēng)險(xiǎn)的企業(yè)要遠(yuǎn)遠(yuǎn)小于正常企業(yè)的數(shù)量。為使模型在實(shí)際應(yīng)用中具有更好的代表性，研究中把制造業(yè)作為模型研究的樣本企業(yè)。

在滬深A(yù)股中，制造業(yè)企業(yè)中的危機(jī)企業(yè)（以ST為準(zhǔn)）要遠(yuǎn)遠(yuǎn)小于正常企業(yè)的數(shù)量。若按照資產(chǎn)規(guī)模進(jìn)行1■1配對(duì)抽樣，則會(huì)認(rèn)為破壞樣本的隨機(jī)性，致使模型效果虛高，模型預(yù)測(cè)精度夸大[4]。目前，基于資產(chǎn)規(guī)模原則進(jìn)行配對(duì)，雖為通行做法但缺乏有力的理論根據(jù)，而本文也利用此種配對(duì)方式進(jìn)行了檢驗(yàn)，結(jié)果顯示對(duì)危機(jī)判斷中的表現(xiàn)并不顯著。因而，本文并未采用上述原則，而是將危機(jī)企業(yè)和正常企業(yè)采用1■2的方式進(jìn)行隨機(jī)抽樣配比。收集的企業(yè)信息共有60家，其中包括20家危機(jī)企業(yè)和40家正常企業(yè)，危機(jī)企業(yè)的樣本主要來源于2012年、2013年的工業(yè)制造企業(yè)（被滬深兩市特別處理的），11家危機(jī)企業(yè)和22家正常企業(yè)來自2012年，另有9家危機(jī)企業(yè)和18家正常企業(yè)來自于2013年。危機(jī)企業(yè)選擇的是上市以來首次被處理，超過5年的上市時(shí)間，被特別處理是因?yàn)檫B續(xù)兩年虧損。采取隨機(jī)抽取的原則對(duì)正常企業(yè)（上市時(shí)間超過5年，且未被處理過的工業(yè)上市企業(yè)）的樣本進(jìn)行選取，其財(cái)務(wù)指標(biāo)源于RESST數(shù)據(jù)庫。

選擇了32個(gè)財(cái)務(wù)指標(biāo)和4個(gè)大數(shù)據(jù)指標(biāo)（文本積極、消極、頻次和交互情緒），利用T-2和T-3年度的數(shù)據(jù)，對(duì)T年通過支持向量機(jī)模型進(jìn)行預(yù)測(cè)、驗(yàn)證和比較（模型制定以及訓(xùn)練過程等限于篇幅不再給出，可查詢參考文獻(xiàn)[3]）。結(jié)果如表5。

從比較結(jié)果可以看出，在財(cái)務(wù)預(yù)警模型中引入大數(shù)據(jù)指標(biāo)，可以顯著改善預(yù)測(cè)的性能，而且在距離被預(yù)測(cè)年度的期間越大，大數(shù)據(jù)指標(biāo)表現(xiàn)得越好。本文認(rèn)為其原因是一些非正式來源的準(zhǔn)確消息對(duì)滯后的財(cái)務(wù)信息起到了修正作用。

四、結(jié)論

大數(shù)據(jù)引入是各領(lǐng)域如何選取指標(biāo)的一個(gè)難題。本文通過系統(tǒng)結(jié)構(gòu)模型，理論上分析出在線大數(shù)據(jù)信號(hào)可以影響財(cái)務(wù)預(yù)警效果，進(jìn)而指出可以通過大數(shù)據(jù)指標(biāo)對(duì)企業(yè)財(cái)務(wù)預(yù)警模型進(jìn)行優(yōu)化。采集了60家上市企業(yè)，對(duì)結(jié)論進(jìn)行了驗(yàn)證，研究結(jié)果為財(cái)經(jīng)領(lǐng)域如何引入大數(shù)據(jù)提供了新的思路。后續(xù)研究將對(duì)大數(shù)據(jù)指標(biāo)進(jìn)行細(xì)分，并引入深度學(xué)習(xí)算法，實(shí)現(xiàn)無人監(jiān)督算法的財(cái)經(jīng)預(yù)測(cè)模型，進(jìn)一步規(guī)避人為主觀性帶來的影響。

【參考文獻(xiàn)】

[1] 馬忠華.財(cái)務(wù)預(yù)警方法評(píng)析[J].會(huì)計(jì)之友，2012（3）：100-101.

[2] MICHAEL A，MIKLOS A V. Thick data： adding context to big data to enhance auditability[J].International Journal of Auditing Technology，2014，2（2）：95-108.

[3] 宋彪，朱建明，李煦.基于大數(shù)據(jù)的企業(yè)財(cái)務(wù)預(yù)警研究[J].中央財(cái)經(jīng)大學(xué)學(xué)報(bào)，2015（6）：54-64.

[4] 吳星澤.財(cái)務(wù)危機(jī)預(yù)警研究：存在問題與框架重構(gòu)[J].會(huì)計(jì)研究，2011（2）：59-65.