引入正交設(shè)計法優(yōu)化IT企業(yè)財務(wù)預(yù)警系統(tǒng)研究

徐 旭

（宿州學(xué)院 經(jīng)濟管理學(xué)院，安徽 宿州 234000）

1 引言

近年來高科技板塊對全球股市和中國股市的變動作用十分明顯，新興的IT(Information Technology)企業(yè)也是受關(guān)注較多、變化較大、交易比較活躍、對大盤影響較大的群體，因此，研究IT企業(yè)對投資界、社會投資者都具有一定的意義.信息技術(shù)飛速發(fā)展的今天，IT企業(yè)同樣面臨著巨大的財務(wù)風(fēng)險，一旦風(fēng)險積聚到一定程度，如果不及時采取措施，就會陷入財務(wù)危機.財務(wù)危機系統(tǒng)作為IT企業(yè)風(fēng)險管理的重要一環(huán)，它作為經(jīng)濟運行的晴雨表和企業(yè)經(jīng)營的指示燈，不僅具有較高的學(xué)術(shù)價值，而且有著巨大的應(yīng)用價值.IT企業(yè)信息流、物流和資金流“三流合一”的特性使得企業(yè)傳統(tǒng)財務(wù)預(yù)警系統(tǒng)不能滿足其要求.我國IT企業(yè)內(nèi)部治理結(jié)構(gòu)上的缺陷，使得企業(yè)的經(jīng)營效率不斷下降，從證券監(jiān)管機構(gòu)發(fā)布的新增ST企業(yè)公告就可窺見一斑，急需構(gòu)建IT企業(yè)財務(wù)預(yù)警系統(tǒng)來預(yù)防危機的發(fā)生.IT企業(yè)的大量出現(xiàn)對現(xiàn)有企業(yè)財務(wù)危機的預(yù)測方法產(chǎn)生巨大的沖擊，不再局限于傳統(tǒng)的統(tǒng)計方法，利用人工神經(jīng)網(wǎng)絡(luò)理論知識，研究人工(Back-Propagate)神經(jīng)網(wǎng)絡(luò)算法，財務(wù)預(yù)警研究中的預(yù)警指標(biāo)體系需要考慮非財務(wù)因素的影響，使得財務(wù)預(yù)警系統(tǒng)的應(yīng)用具有實際價值.因此，本文試圖從公司治理結(jié)構(gòu)、審計意見、關(guān)聯(lián)交易等方面探討非財務(wù)因素在IT企業(yè)財務(wù)預(yù)警中的作用，利用MATLAB軟件構(gòu)建神經(jīng)網(wǎng)絡(luò)模型，對IT企業(yè)的財務(wù)狀況進行預(yù)測，引入正交試驗法優(yōu)化財務(wù)危機預(yù)警系統(tǒng).

2 文獻綜述

人工神經(jīng)網(wǎng)絡(luò)技術(shù)被廣泛應(yīng)用于模式識別、優(yōu)化計算、智能控制、經(jīng)濟、金融、管理等領(lǐng)域，其中包括財務(wù)危機預(yù)測研究.Tam和Kiang(1992)應(yīng)用神經(jīng)網(wǎng)絡(luò)方法對得克薩斯的銀行財務(wù)失敗案例進行預(yù)測.國內(nèi)學(xué)者也對我國基于神經(jīng)網(wǎng)絡(luò)的企業(yè)財務(wù)危機系統(tǒng)進行研究，我國學(xué)者楊保安(2009)選取15個財務(wù)指標(biāo)運用人工神經(jīng)網(wǎng)絡(luò)方法建立供銀行進行信用評價的預(yù)警系統(tǒng).人工神經(jīng)網(wǎng)絡(luò)模型由輸入層、隱含層和輸出層組成，信息處理分為信息正向傳播和誤差反向傳播兩步進行，當(dāng)正向傳播時，輸入信號從輸入層經(jīng)過隱含層后傳向輸出層，每一層神經(jīng)元的狀態(tài)只影響下一層神經(jīng)元的狀態(tài).網(wǎng)絡(luò)的反向傳播是一種誤差從輸出層到輸入層向后傳播并修正權(quán)值和閾值的過程，學(xué)習(xí)的目的是網(wǎng)絡(luò)的實際輸出逼近某個給定的期望輸出.運用正交試驗設(shè)計法對這些參數(shù)選擇進行優(yōu)化，對于神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)具有很好效果.它利用正交表安排試驗，其理論基礎(chǔ)是拉丁方理論和群論，可以用來安排多因素試驗，試驗次數(shù)對各因素和各水平的全排列組合來說是大大減少了，是一種優(yōu)良的試驗設(shè)計方法.它相對于全面試驗而言，只是部分試驗，但對其中任何兩個因素來說，可以用比全面試驗法少得多的試驗，獲得反映全面情況的實驗資料.

3 研究設(shè)計

3.1 樣本選取

本文中的財務(wù)危機企業(yè)樣本為2013年-2014年以來因財務(wù)狀況異常而被特別處理的IT企業(yè)，一共30家財務(wù)危機企業(yè).同時依據(jù)行業(yè)和資產(chǎn)規(guī)模相近的標(biāo)準(zhǔn)構(gòu)造了配對的財務(wù)正常企業(yè)樣本.

3.2 指標(biāo)變量

由于財務(wù)指標(biāo)涉及到企業(yè)經(jīng)營管理的各個方面，借鑒國內(nèi)外學(xué)者的研究成果，從公司的盈利能力、經(jīng)營能力、償債能力、資本結(jié)構(gòu)、成長能力等方面確定變量.

3.3 數(shù)據(jù)處理

對總樣本連續(xù)三年數(shù)據(jù)進行顯著性分析檢驗后，發(fā)現(xiàn)ST公司和非ST公司存在顯著差異，根據(jù)T檢驗以及Mann-Whitney U非參數(shù)檢驗的結(jié)果，剔除一些變量，指標(biāo)變量通過顯著性檢驗.

4 實證分析

本文運用軟件Matlab構(gòu)建了三層人工網(wǎng)絡(luò)財務(wù)預(yù)警系統(tǒng),并選取樣本進行實驗.由于輸入是連續(xù)變量,輸出是布爾型離散向量,訓(xùn)練或測試前使用Matlab的Premnmx函數(shù)對樣本進行歸一化處理,作為網(wǎng)絡(luò)的輸入數(shù)據(jù).人工神經(jīng)網(wǎng)絡(luò)的設(shè)計包括輸入層、隱含層、輸出層、傳遞函數(shù)、訓(xùn)練函數(shù)、網(wǎng)絡(luò)參數(shù)等網(wǎng)絡(luò)結(jié)構(gòu)的設(shè)置，具體到本文的研究，設(shè)置如下：

(1)輸入層:輸入層神經(jīng)元個數(shù)由輸入向量P決定，確定了18個輸入節(jié)點.

(2)輸出層:輸出層神經(jīng)元的個數(shù)由輸出類別決定.網(wǎng)絡(luò)的輸出層定義為1個節(jié)點，即企業(yè)的實際財務(wù)狀況.在訓(xùn)練樣本集中，樣本的輸出向量設(shè)為T(當(dāng)為ST公司時，T=1；當(dāng)為非ST公司時，T=0).

(3)隱含層:關(guān)于隱含層節(jié)點數(shù)選取過少,將影響到網(wǎng)絡(luò)的有效性,過多,會大幅度增加網(wǎng)絡(luò)訓(xùn)練的時間,根據(jù)經(jīng)驗可以參照公式進行設(shè)計，其中n為隱含層節(jié)點數(shù),n1為輸入節(jié)點數(shù),n2為輸出節(jié)點數(shù),a取1-10之間的常數(shù).

(4)傳遞函數(shù)：傳遞函數(shù)對一個神經(jīng)網(wǎng)絡(luò)的訓(xùn)練效率至關(guān)重要.本文對輸入層到隱含層的傳遞函數(shù)確定為正切函數(shù)tansig(n)，它將神經(jīng)元的輸入范圍從(-∞,+∞)映射到(1,-1)，隱含層到輸出層之間的傳遞函數(shù)確定為對數(shù)函數(shù)logsig(n)，它將神經(jīng)元輸入范圍從(-∞,+∞)映射到(0,1).

(5)網(wǎng)絡(luò)參數(shù):目標(biāo)誤差0.001或0.00001，學(xué)習(xí)率通常在0.01～0.9之間,一般來說,學(xué)習(xí)率越小,訓(xùn)練次數(shù)越多,但學(xué)習(xí)率過大,會影響網(wǎng)絡(luò)結(jié)構(gòu)的穩(wěn)定性.誤差通常需要根據(jù)輸出要求來定,e越低,說明要求的精度越高.設(shè)置學(xué)習(xí)速率為0.05，學(xué)習(xí)速率增加的比率為1.03，學(xué)習(xí)速率減少的比率為0.9，動量常數(shù)為0.7，最大誤差比率為1.08，訓(xùn)練循環(huán)次數(shù)為550次.

(6)訓(xùn)練函數(shù):人工網(wǎng)絡(luò)訓(xùn)練函數(shù)采用traingdx.它采用動量法和學(xué)習(xí)率自適應(yīng)調(diào)整兩種策略，從而抑制網(wǎng)絡(luò)陷于局部極小和縮短學(xué)習(xí)時間.

為提高人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)精度，下面將采用正交設(shè)計試驗法對人工神經(jīng)網(wǎng)絡(luò)的相關(guān)參數(shù)進行優(yōu)化,選用三個因素兩個水平的正交表(見表1).它相對于全面試驗而言，只是部分試驗，但對其中任何兩個因素來說，可以用比全面試驗法少得多的試驗，獲得反映全面情況的實驗資料.

表1 三因素兩水平正交設(shè)計表

表2 優(yōu)化人工神經(jīng)網(wǎng)絡(luò)的正交設(shè)計方案

依據(jù)表2的設(shè)計方案，借助Matlab語言編制了神經(jīng)網(wǎng)絡(luò)的訓(xùn)練和測試程序，將30家建模樣本t-2、t-3、t-4年的指標(biāo)數(shù)據(jù)分四次試驗進行學(xué)習(xí)訓(xùn)練，選擇最優(yōu)的試驗方案作測試.從上述結(jié)果可以確定各年最優(yōu)的人工網(wǎng)絡(luò)模型的函數(shù)和參數(shù)：

(1)t-2年的試驗中，試驗4的結(jié)果相對最優(yōu)，判別準(zhǔn)確率達到100%，所以人工網(wǎng)絡(luò)模型結(jié)構(gòu)為18-16-1，目標(biāo)誤差為0.00001，訓(xùn)練函數(shù)為trainlm，在PC上經(jīng)過10個訓(xùn)練周期達到目標(biāo)要求.

(2)t-3年的試驗中，試驗2的結(jié)果相對最優(yōu)，判別準(zhǔn)確率達到94%，所以人工網(wǎng)絡(luò)模型結(jié)構(gòu)為18-7-1，目標(biāo)誤差為0.00001，訓(xùn)練函數(shù)為traingdx，在PC上經(jīng)過285個訓(xùn)練周期達到目標(biāo)要求.

圖1 t-2年的訓(xùn)練結(jié)果

(3)t-4年的試驗中，試驗3的結(jié)果相對最優(yōu)，判別準(zhǔn)確率達到97%，所以人工網(wǎng)絡(luò)模型結(jié)構(gòu)為18-16-1，目標(biāo)誤差為0.001，訓(xùn)練函數(shù)為traingdx，在PC上經(jīng)過114個訓(xùn)練周期達到目標(biāo)要求.

5 結(jié)論

本文在回顧國內(nèi)外財務(wù)預(yù)警系統(tǒng)經(jīng)典文獻和研究成果的基礎(chǔ)上，以我國滬深A(yù)股IT企業(yè)為研究對象，依據(jù)公司財務(wù)危機前兩年至四年的指標(biāo)數(shù)據(jù)人工神經(jīng)網(wǎng)絡(luò)模型來進行研究，采用正交設(shè)計試驗法對人工神經(jīng)網(wǎng)絡(luò)的相關(guān)參數(shù)進行優(yōu)化,選用三個因素兩個水平的正交表,并取得了較好的預(yù)測效果，實證研究得到以下結(jié)論：

(一)我國企業(yè)的財務(wù)指標(biāo)包含著預(yù)測財務(wù)困境的信息含量，因此利用企業(yè)的財務(wù)比率可以預(yù)測其是否陷入財務(wù)困境.本文所選指標(biāo)涵蓋了反映公司財務(wù)狀況的各方面因素，說明所建立指標(biāo)體系是合理恰當(dāng)?shù)?

(二)對于較長時間跨度的模型預(yù)測問題，需要找出對企業(yè)整體經(jīng)營狀況有指示能力的變量，因此本文在篩選初始變量時，設(shè)定了三年連續(xù)顯著的標(biāo)準(zhǔn)，選出具有前瞻能力的變量.

(三)運用正交設(shè)計法對人工神經(jīng)網(wǎng)路輸入?yún)?shù)的選擇進行分析，結(jié)果表明正交試驗法對神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)具有很好的效果，減少網(wǎng)絡(luò)訓(xùn)練誤差，它只需很少的樣本就能達到實踐中所要求的精度，很大程度上提高企業(yè)財務(wù)預(yù)警系統(tǒng)的準(zhǔn)確率，控制財務(wù)危機現(xiàn)象產(chǎn)生的源頭，從而實現(xiàn)企業(yè)財務(wù)預(yù)測的動態(tài)系統(tǒng)，具有廣闊發(fā)展前景.

(四)從模型的超前預(yù)測能力看，距離ST的時間越近，預(yù)警系統(tǒng)的判別準(zhǔn)確率就越高，尤其是t-2年，說明預(yù)警系統(tǒng)的預(yù)測水平隨著距離ST時間長短而逐漸降低的.

在今后的研究方向上，希望在以下幾個方面進行更深入的探討和挖掘：在樣本數(shù)據(jù)條件具備的情況下，可以從多個角度分析，例如分中小型企業(yè)進行財務(wù)危機預(yù)警系統(tǒng)的比較研究，預(yù)警指標(biāo)的選擇方面，除了一些定量指標(biāo)，還要綜合考慮管理層素質(zhì)、員工素質(zhì)、市場變化、宏觀經(jīng)濟環(huán)境等定性指標(biāo)的影響，可以利用層次分析法和模糊綜合評價方法將定性指標(biāo)量化,確保企業(yè)財務(wù)信息真實性.

〔1〕馬超群,吳麗華.基于鄰域粗糙集和神經(jīng)網(wǎng)絡(luò)的財務(wù)預(yù)警研究[J].軟科學(xué)，2009(11).

〔2〕陳森發(fā).基于正交試驗法的神經(jīng)網(wǎng)絡(luò)優(yōu)化設(shè)計[J].系統(tǒng)工程理論方法應(yīng)用，2008(6).

〔3〕張瑞君.財務(wù)管理信息化：IT環(huán)境下企業(yè)集團財務(wù)管理創(chuàng)新[M].中信出版社,2010.