基于強(qiáng)分類器的企業(yè)財(cái)務(wù)預(yù)警分析研究

王敏玉

摘要：本文首先分析了財(cái)務(wù)危機(jī)與財(cái)務(wù)預(yù)警的關(guān)系，闡述了建立企業(yè)財(cái)務(wù)預(yù)警系統(tǒng)的必要性，以南京中山大廈有限公司財(cái)務(wù)狀況為研究樣本，得出10個(gè)指標(biāo)的企業(yè)財(cái)務(wù)預(yù)警體系，提出了基于BP神經(jīng)網(wǎng)絡(luò)的強(qiáng)分類器的模型，并在Matlab環(huán)境下進(jìn)行實(shí)踐，結(jié)果表明采用基于強(qiáng)分類器的企業(yè)財(cái)務(wù)預(yù)警模型具有分類精度高等特點(diǎn)，對(duì)于建立企業(yè)財(cái)務(wù)預(yù)警系統(tǒng)具有很強(qiáng)的應(yīng)用價(jià)值。關(guān)鍵詞：財(cái)務(wù)危機(jī)；財(cái)務(wù)預(yù)警；強(qiáng)分類；BP神經(jīng)網(wǎng)絡(luò)中圖分類號(hào)：D412.67

文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1674-9324（2018）20-0193-02 一、引言市場(chǎng)給企業(yè)的發(fā)展帶來(lái)發(fā)展機(jī)遇的同時(shí)，也給企業(yè)帶來(lái)了風(fēng)險(xiǎn)，如果企業(yè)的經(jīng)營(yíng)者不能正確有效的應(yīng)對(duì)市場(chǎng)風(fēng)險(xiǎn)，把握企業(yè)的財(cái)務(wù)狀況，及時(shí)作出正確的風(fēng)險(xiǎn)判斷從而采取相應(yīng)的措施，其結(jié)果將給企業(yè)帶來(lái)了不確定的風(fēng)險(xiǎn)與損失，在這種背景下進(jìn)行企業(yè)財(cái)務(wù)預(yù)警方面的研究，對(duì)于企業(yè)的經(jīng)營(yíng)無(wú)疑具有重大的價(jià)值。二、財(cái)務(wù)危機(jī)與財(cái)務(wù)預(yù)警關(guān)于財(cái)務(wù)危機(jī)概念的認(rèn)識(shí)，文獻(xiàn)[1]認(rèn)為企業(yè)財(cái)務(wù)危機(jī)是企業(yè)在運(yùn)營(yíng)過(guò)程中出現(xiàn)的資金困境的一種現(xiàn)象，是企業(yè)管理中出現(xiàn)的資金管理失敗的一種表現(xiàn)，從文獻(xiàn)[1]可以發(fā)現(xiàn)，從企業(yè)資金管理的角度看，企業(yè)一旦出現(xiàn)財(cái)務(wù)危機(jī)對(duì)企業(yè)來(lái)說(shuō)是致命的，企業(yè)失去了利用自身資金償還到期債務(wù)的能力，很多企業(yè)就是由于出現(xiàn)了財(cái)務(wù)危機(jī)而走向了破產(chǎn)。正是由于企業(yè)財(cái)務(wù)危機(jī)對(duì)企業(yè)經(jīng)營(yíng)的危害性，企業(yè)財(cái)務(wù)預(yù)警的研究就顯得十分重要，企業(yè)財(cái)務(wù)預(yù)警就是對(duì)企業(yè)財(cái)務(wù)的情況進(jìn)行分析，第一時(shí)間識(shí)別出企業(yè)財(cái)務(wù)狀況出現(xiàn)惡化的情況。三、企業(yè)財(cái)務(wù)預(yù)警系統(tǒng)的分析企業(yè)財(cái)務(wù)預(yù)警屬于企業(yè)財(cái)務(wù)管理范疇，建立公司財(cái)務(wù)預(yù)警系統(tǒng)是為了預(yù)防公司財(cái)務(wù)運(yùn)行偏離正確的方向而建立的報(bào)警分析報(bào)警系統(tǒng)，它首先采集公司的財(cái)務(wù)指標(biāo)，具體為：盈利能力指標(biāo)、償還能力指標(biāo)等大指標(biāo)，每項(xiàng)大指標(biāo)又分為若干個(gè)小指標(biāo)，如盈利能力指標(biāo)又分為凈資產(chǎn)收益率、總資產(chǎn)報(bào)酬率、主營(yíng)業(yè)務(wù)利潤(rùn)率等，通過(guò)公司的各項(xiàng)財(cái)務(wù)指標(biāo)進(jìn)行分析評(píng)價(jià)，識(shí)別出公司的財(cái)務(wù)狀況、發(fā)展趨勢(shì)，為企業(yè)決策者提供決策支撐。企業(yè)財(cái)務(wù)指標(biāo)十分復(fù)雜，如果對(duì)所有的指標(biāo)都進(jìn)行評(píng)價(jià)后綜合，預(yù)警模型就過(guò)于復(fù)雜，因此在模型建立前需要篩選指標(biāo)。首先是在財(cái)務(wù)指標(biāo)中找出特征性強(qiáng)的指標(biāo)、能夠明顯區(qū)分公司情況的財(cái)務(wù)指標(biāo)，在此基礎(chǔ)上再進(jìn)行細(xì)化，最終找出應(yīng)收賬款周轉(zhuǎn)率、成分費(fèi)用利潤(rùn)率、資產(chǎn)營(yíng)運(yùn)能力、公司總資產(chǎn)、總資產(chǎn)增長(zhǎng)率、營(yíng)業(yè)現(xiàn)金流量等指標(biāo)作為評(píng)價(jià)指標(biāo)，這些指標(biāo)也比較全面地反映出了企業(yè)的財(cái)務(wù)情況。四、企業(yè)主要財(cái)務(wù)指標(biāo)的計(jì)算1.應(yīng)收賬款周轉(zhuǎn)率的計(jì)算。應(yīng)收賬款周轉(zhuǎn)率是指在一定的時(shí)期內(nèi)（一般指一年）應(yīng)收賬款變?yōu)楝F(xiàn)金的次數(shù)，它是衡量一個(gè)企業(yè)應(yīng)收賬款流動(dòng)的指標(biāo)，應(yīng)收賬款周轉(zhuǎn)率是銷售收入與平均應(yīng)收賬款的比值，可以表明應(yīng)收賬款周期流動(dòng)的速度，一般來(lái)說(shuō)應(yīng)收賬款周轉(zhuǎn)率越高，應(yīng)收賬款收回越快，否則，企業(yè)營(yíng)運(yùn)資金過(guò)多的停滯在應(yīng)收賬款上，會(huì)影響正常的資金周轉(zhuǎn)。以南京中山大廈有限公司為例，南京中山大廈有限公司商場(chǎng)批發(fā)業(yè)務(wù)2014—2015年應(yīng)收賬款周轉(zhuǎn)率分別為9.28次、9.05次，高于行業(yè)平均周轉(zhuǎn)率8.9次，表明南京中山大廈對(duì)收賬款實(shí)施了嚴(yán)格管理。2.存貨周轉(zhuǎn)率的計(jì)算。存貨周轉(zhuǎn)率是指在一定時(shí)期主營(yíng)業(yè)務(wù)成本與平均存貨余額的比率，它是反映存貨周轉(zhuǎn)速度，企業(yè)營(yíng)運(yùn)能力的重要指標(biāo)之一。存貨周轉(zhuǎn)率不僅可以用來(lái)衡量企業(yè)的經(jīng)營(yíng)環(huán)節(jié)中存貨的營(yíng)運(yùn)效率，還可以用來(lái)評(píng)價(jià)企業(yè)的經(jīng)營(yíng)業(yè)績(jī)。一般情況下，該指標(biāo)越高，存貨的周轉(zhuǎn)次數(shù)越高，表明企業(yè)的存貨資產(chǎn)變現(xiàn)能力越強(qiáng)，說(shuō)明企業(yè)由于銷售順暢而具有較高的流動(dòng)性，償債能力較強(qiáng)，反映了企業(yè)具有較高的存貨管理水平。南京中山大廈有限公司商場(chǎng)批發(fā)業(yè)務(wù)2014—2015年存貨周轉(zhuǎn)率分別為6.15次、6.11次，遠(yuǎn)高于行業(yè)平均水平11.63次，表明企業(yè)銷售順暢而具有較高的流動(dòng)性，存貨轉(zhuǎn)變?yōu)楝F(xiàn)金或應(yīng)收賬款的速度快，存貨的占用水平低。五、基于財(cái)務(wù)預(yù)警分析強(qiáng)分類器模型強(qiáng)分類器的思想是整合多個(gè)“弱分類器”以產(chǎn)生有效的分類，其步驟如下。首先設(shè)計(jì)出弱分類算法和樣本（X，Y），從樣本空間中找出訓(xùn)練數(shù)據(jù)，用弱學(xué)習(xí)分類運(yùn)算，每次運(yùn)算后都按照分類結(jié)果更新訓(xùn)練數(shù)據(jù)，弱分類器通過(guò)反復(fù)迭代得到一個(gè)分類，最終強(qiáng)分類函數(shù)由弱分類函數(shù)加權(quán)得到。本文采用的強(qiáng)分類模型是把BP神經(jīng)網(wǎng)絡(luò)作為弱分類器，反復(fù)訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)樣本輸出，通過(guò)算法把多個(gè)BP神經(jīng)網(wǎng)絡(luò)分類器疊加的分類器就是強(qiáng)分類器，如圖1所示。算法如下：步驟1：數(shù)據(jù)選擇和網(wǎng)絡(luò)初始化，從樣本空間隨機(jī)選擇m組的訓(xùn)練數(shù)據(jù)，根據(jù)樣本設(shè)計(jì)BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)。步驟2：弱分類器預(yù)測(cè)，當(dāng)訓(xùn)練第i個(gè)弱分類器時(shí)，用訓(xùn)練數(shù)據(jù)訓(xùn)練BP神經(jīng)網(wǎng)步驟。步驟3：測(cè)試數(shù)據(jù)權(quán)重權(quán)重。步驟4：將幾個(gè)弱分類組合得到強(qiáng)分類函數(shù)進(jìn)行分類。六、實(shí)驗(yàn)分析采集到若干組公司財(cái)務(wù)狀況數(shù)據(jù)，從每組數(shù)據(jù)的輸入10個(gè)指標(biāo)，輸出為1時(shí)表示財(cái)務(wù)良好，-1時(shí)表示財(cái)務(wù)狀況出現(xiàn)問(wèn)題。在Matlab環(huán)境下進(jìn)行編程測(cè)試，具體如下。1.數(shù)據(jù)集的選擇。從樣本中選擇訓(xùn)練樣本，測(cè)試樣本權(quán)重，流程如圖2。2.弱分類器學(xué)習(xí)分類。把BP神經(jīng)網(wǎng)絡(luò)看作弱分類器，對(duì)樣本進(jìn)行歸一化處理，搭建BP神經(jīng)網(wǎng)絡(luò)，選擇前70%的樣本數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，后30%的樣本數(shù)據(jù)作為測(cè)試數(shù)據(jù)，進(jìn)行BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，最后對(duì)訓(xùn)練數(shù)據(jù)進(jìn)行預(yù)測(cè)，其流程如圖3。3.強(qiáng)分類器分類。由10組弱分類器BP網(wǎng)絡(luò)疊加強(qiáng)分類器對(duì)分析樣本進(jìn)行分類訓(xùn)練，計(jì)算出分類結(jié)果與誤差，其流程如圖4。4.結(jié)果分析。采用了10個(gè)BP弱分類器組成的強(qiáng)分類器分類公司的財(cái)務(wù)運(yùn)行狀況，分類誤差發(fā)現(xiàn)，強(qiáng)分類器的誤差率低于弱分類器的誤差率，表明強(qiáng)分類器取得良好的效果。七、結(jié)語(yǔ)激烈的市場(chǎng)競(jìng)爭(zhēng)中，財(cái)務(wù)風(fēng)險(xiǎn)和危機(jī)對(duì)企業(yè)的生存是致命的，建立企業(yè)財(cái)務(wù)預(yù)警系統(tǒng)就顯得非常重要，財(cái)務(wù)預(yù)警系統(tǒng)是對(duì)企業(yè)財(cái)務(wù)指標(biāo)的綜合分析，反映出企業(yè)的財(cái)務(wù)狀況，基于強(qiáng)分類模型是整合若干個(gè)弱分類器以得到有效的分類，也就是把BP神經(jīng)網(wǎng)絡(luò)作為弱分類器，反復(fù)訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)樣本輸出，通過(guò)把幾個(gè)BP神經(jīng)網(wǎng)絡(luò)合并得到強(qiáng)分類器，在MATLAB實(shí)踐中，這種強(qiáng)分類器分類誤差率低，對(duì)建立財(cái)務(wù)預(yù)警系統(tǒng)具有良好的應(yīng)用價(jià)值。參考文獻(xiàn)：[1]潘穎.企業(yè)財(cái)務(wù)預(yù)警系統(tǒng)構(gòu)建研究[J].商業(yè)研究，2009，（8）：78-80.[2]李心合.財(cái)務(wù)失敗及其預(yù)警[J].財(cái)務(wù)與會(huì)計(jì)，2007，（24）：57-59.[3]李秉祥.基于資本市場(chǎng)信息的上市公司財(cái)務(wù)?；瘎?dòng)態(tài)預(yù)測(cè)模型研究[J].管理工程學(xué)報(bào)，2005，（4）：49-52.[4]李賀，單錦雨.企業(yè)財(cái)務(wù)預(yù)警系統(tǒng)分析與設(shè)計(jì)研究[J].情報(bào)科學(xué)，2005，（3）：437-450.[5]李芳.基于BP神經(jīng)網(wǎng)絡(luò)的我國(guó)制造業(yè)上市公司財(cái)務(wù)危機(jī)預(yù)警[J].金融領(lǐng)域，2010，（40）：63-64.