試論企業(yè)財務(wù)管理中的風險預(yù)測及處理
——基于優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)算法

王海峰

一、引言

21 世紀是一個信息高度發(fā)達和快速傳播的時代，作為最重要微觀市場主體的企業(yè)，其總體規(guī)模的擴大、經(jīng)營管理模式的創(chuàng)新、社會經(jīng)濟效益的提高，都離不開對企業(yè)財務(wù)信息的高效管理。企業(yè)財務(wù)信息已被經(jīng)濟學界的專家和學者公認為繼原材料、資產(chǎn)、勞動力和資本之后最為重要的企業(yè)生產(chǎn)力構(gòu)成要素。包括我國在內(nèi)的大多數(shù)國家都將信息產(chǎn)業(yè)列為未來重點扶持產(chǎn)業(yè)。作為企業(yè)來講，持有的財務(wù)信息也是一種十分重要的戰(zhàn)略資源，準確地掌握企業(yè)內(nèi)部、外部財務(wù)完整有效的財務(wù)信息，是企業(yè)未來贏得市場競爭的重要條件和基礎(chǔ)。從企業(yè)的管理職能來看，企業(yè)日常生產(chǎn)經(jīng)營活動的計劃、組織、協(xié)調(diào)、控制，都需要以財務(wù)管理信息為基礎(chǔ)，因此企業(yè)財務(wù)信息的管理活動是企業(yè)財務(wù)管理行為，乃至整個企業(yè)運營的核心環(huán)節(jié)。

企業(yè)所掌握的財務(wù)信息具備有限性和非均衡性的特征，受到各種技術(shù)條件和技術(shù)手段的約束和限制，企業(yè)獲取完整、有效的財務(wù)管理信息是十分困難的；對于企業(yè)主體而言，財務(wù)管理信息的認知能力、企業(yè)本身的經(jīng)濟實力、信息獲取途徑和管理能力、以及掌握有效信息資源的數(shù)量等都不盡相同，因此在微觀市場中，企業(yè)財務(wù)信息的分布具有明顯的非均衡性，企業(yè)在信息的管理過程中也會面臨各種風險。在這樣的背景下，對企業(yè)經(jīng)營管理過程中所面臨的各類財務(wù)管理信息的風險程度進行準確預(yù)測，才能剔除運營過程中的各種不利因素，降低企業(yè)的經(jīng)營風險。信息時代，高效完整的財務(wù)管理信息己成為企業(yè)重要的戰(zhàn)略資源。提高企業(yè)內(nèi)部、外部財務(wù)信息的質(zhì)量，實現(xiàn)對企業(yè)財務(wù)管理信息的準確預(yù)測，能夠最大限度地降低運營中的各種風險，增加未來期間的收益。

市場經(jīng)濟條件下，財務(wù)風險是客觀存在的，并貫穿于生產(chǎn)經(jīng)營整個過程。要完全消除風險及其影響是不現(xiàn)實的，重要的是要全面分析財務(wù)風險，及早發(fā)現(xiàn)那些可能導致財務(wù)狀況惡化的早期信息，將影響企業(yè)獲利能力甚至危及生存的問題控制在可解決的范圍內(nèi)，并隨時對可能引發(fā)危機的種種現(xiàn)象進行預(yù)警，因此，研究和構(gòu)建財務(wù)信息管理風險預(yù)測模型就顯得尤為必要。

表1 財務(wù)信息風險管理指標體系

二、風險財務(wù)信息管理模式及功能

國際上關(guān)于企業(yè)風險財務(wù)信息管理模式的研究理論，主要有“四階段論”和“五階段論”兩種主流觀點。其中“四階段論”的觀點強調(diào)技術(shù)因素在企業(yè)財務(wù)信息管理中的推動作用，包括財務(wù)信息管理的物理控制階段、自動化技術(shù)管理階段、信息資源管理結(jié)段和知識管理階段。而“五階段論”的觀點盡管論述的內(nèi)容沒有“四階段論”詳盡，但在財務(wù)信息管理的論述方面更接近于企業(yè)實際運營過程中的真實情況，清晰地展現(xiàn)了以企業(yè)財務(wù)信息管理為先導的財務(wù)理念，將企業(yè)的財務(wù)信息、戰(zhàn)略信息、管理信息、行政信息等進一步地整合，最終將企業(yè)的全部財務(wù)管理信息集中并統(tǒng)一管理。“五階段論”的主要觀點包括數(shù)據(jù)統(tǒng)計階段、信息處理階段、財務(wù)信息管理系統(tǒng)階段、終端用戶管理階段和信息資源管理階段。

盡管在細節(jié)和財務(wù)管理對象方面不同，企業(yè)財務(wù)信息管理也包含在現(xiàn)代管理學范疇之內(nèi)，因此企業(yè)財務(wù)信息管理的模式與現(xiàn)代管理學的發(fā)展模式相同。從管理模式分類的角度來分析，企業(yè)財務(wù)信息管理是企業(yè)財務(wù)活動與現(xiàn)代信息管理行為的交集，這種管理模式主要是通過信息技術(shù)的更新和完善，來不斷地優(yōu)化財務(wù)治理環(huán)境和財務(wù)管理體系。利用現(xiàn)代信息技術(shù)的溢出效應(yīng)，來不斷地提高企業(yè)財務(wù)信息管理的效率，降低財務(wù)信息管理的風險。

從企業(yè)財務(wù)信息管理的功能性來分析，財務(wù)信息管理是財務(wù)治理活動與財務(wù)管理活動的整合。財務(wù)治理和財務(wù)管理行為在主體、職能和目標方面具有明顯的不同，不可以互相替代。財務(wù)治理的主體包括企業(yè)全部的利益相關(guān)者，而財務(wù)管理的主體是董事會和企業(yè)的管理層；財務(wù)治理的終極目標是實現(xiàn)企業(yè)所有者、債權(quán)人及企業(yè)的其他利益相關(guān)者的制衡，而財務(wù)管理的終極目標是實現(xiàn)企業(yè)利益的最大化。

在企業(yè)進行風險財務(wù)管理過程中，由于外部市場環(huán)境及內(nèi)部管理體制等變化，會面臨多重風險，需要對企業(yè)面臨的財務(wù)風險進行預(yù)警和識別。

表2 各年逐步回歸變量結(jié)果

三、基于優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的財務(wù)信息管理風險預(yù)測模型

（一）理論分析

1.風險識別

對財務(wù)風險的識別是對其進行防范、應(yīng)對的首要環(huán)節(jié)。只有及時并準確發(fā)現(xiàn)和判別公司的財務(wù)風險，用一定的度量方法計算風險發(fā)生的概率以及導致的損失程度，才能夠為公司進行風險防范作出的決策以及選擇怎樣的技術(shù)提供有力的支撐。

管理人員需要識別的風險，不僅包括已經(jīng)顯現(xiàn)出來的風險因素，還包括那些沒有表露出來的風險因素。通常情況下，對于后者情況的識別更困難，而且也更為重要。風險識別程序需要在公司的多個業(yè)務(wù)層級實施。有的風險可能對某些業(yè)務(wù)單位或者相關(guān)的業(yè)務(wù)有影響，但是卻不一定會對整個公司的生產(chǎn)運營產(chǎn)生影響。對整個市場經(jīng)濟主體產(chǎn)生影響的風險會分流至每一公司以及其獨立進行的業(yè)務(wù)單位。

進行風險識別是對公司財務(wù)風險進行防范、控制等的第一步，只有深入調(diào)查研究其所處的外在環(huán)境和內(nèi)在環(huán)境，才能判斷出其生產(chǎn)營運和發(fā)生的財務(wù)活動將有可能出現(xiàn)什么樣的狀況，或者將會有哪些風險發(fā)生并導致發(fā)生損失。在此前提下，才能進行財務(wù)風險的度量、評估以及應(yīng)對。對一個公司而言，進行風險識別是一項有制度并且連續(xù)的工作，是整個財務(wù)風險防范、控制工作的基礎(chǔ)步驟。

2.BP神經(jīng)網(wǎng)絡(luò)算法

企業(yè)財務(wù)信息管理所產(chǎn)生的風險，源于企業(yè)的日常經(jīng)營管理活動之中，企業(yè)的經(jīng)營管理能力、債務(wù)償還能力、當期的盈利能力以及在未來期間的成長能力，對于財務(wù)信息的管理、風險預(yù)測都會產(chǎn)生十分重要的影響。企業(yè)財務(wù)信息風險的預(yù)測可以通過不同的財務(wù)指標展現(xiàn)出來，考慮到企業(yè)相關(guān)財務(wù)數(shù)據(jù)的可獲得性，并充分結(jié)合我國企業(yè)財務(wù)信息風險管理的現(xiàn)狀，選定若干財務(wù)指標，作為風險評價的標準，基于BP神經(jīng)網(wǎng)絡(luò)算法，構(gòu)建財務(wù)信息管理風險預(yù)測模型，將設(shè)定的指標數(shù)據(jù)輸入神經(jīng)網(wǎng)絡(luò)模型，對企業(yè)財務(wù)信息管理過程中遇到的各種風險進行模糊識別，并降低給企業(yè)帶來的不利影響。

BP神經(jīng)網(wǎng)絡(luò)算法是一種模擬人腦工作的多層前饋神經(jīng)網(wǎng)絡(luò)問題處理方法，具有一種多維函數(shù)映射能力和對復雜模型的分類能力，實現(xiàn)一種從輸入到輸出的非線性映射。神經(jīng)網(wǎng)絡(luò)模型的結(jié)構(gòu)具體包括輸入層、隱含層和輸出層，采用梯度下降法求解目標函數(shù)的最小值。BP神經(jīng)網(wǎng)絡(luò)模型具有一定的數(shù)據(jù)并行處理、存儲和學習能力，將選定的企業(yè)運營指標數(shù)據(jù)作為輸入項，輸入神經(jīng)網(wǎng)絡(luò)模型，能夠識別出企業(yè)財務(wù)信息管理所面臨的各種風險。

（二）模型構(gòu)建

企業(yè)財務(wù)信息管理過程中BP神經(jīng)網(wǎng)絡(luò)風險預(yù)測模型的主要工作流程是將正常數(shù)據(jù)指標的學習信號正向傳播，而將風險誤差反向傳播。將企業(yè)的經(jīng)營管理能力、債務(wù)償還能力、盈利能力及成長能力的各個指標數(shù)據(jù)作為輸入項輸入BP神經(jīng)網(wǎng)絡(luò)模型，樣本數(shù)據(jù)從輸入層導入，在隱含層經(jīng)過大量的模糊規(guī)則運算，識別出各個指標數(shù)據(jù)的風險項，并通過輸出層導出，使網(wǎng)絡(luò)輸出值趨近期望的輸出值，如此循環(huán)反復直到達到期望的輸出值。令輸入神經(jīng)網(wǎng)絡(luò)風險評測模型的指標向量集合為X：

那么輸出的向量集合可以表示為Y:

如果假定wi是從指標數(shù)據(jù)輸入層到中間隱含層的權(quán)值，k為中間隱含層中所包含的神經(jīng)元的數(shù)量，xi為中間隱含層的閾值，則隱含層所包括的各個神經(jīng)元輸入kj，可以表示為：

如果企業(yè)財務(wù)信息管理風險預(yù)測模型中的傳遞函數(shù) 為：

此時中間隱含層的輸出單元λi可以描述為：

經(jīng)過隱含層的模糊運算篩選和處理后的指標數(shù)據(jù)到達輸出層，輸出層神經(jīng)元的輸入項 和輸出項 分別為：

其中，vjt是從中間隱含層到輸出層的權(quán)值，表示輸出層的閾值。企業(yè)財務(wù)信息管理過程中BP神經(jīng)網(wǎng)絡(luò)風險預(yù)測模型，一方面能夠提高對于財務(wù)信息管理風險的識別精度；另一方面該模型還可以控制風險識別誤差在模型中的反向傳播，單個風險樣本誤差為：

風險預(yù)測模型系統(tǒng)的總體誤差為：

為了降低企業(yè)財務(wù)信息管理風險模型中各個節(jié)點的計算誤差，并修正網(wǎng)絡(luò)權(quán)值和閾值，需要降低單個樣本誤差值 ：

上式中 為模型的學習率， 表示為：

此時，風險預(yù)測模型隱含層權(quán)值修正量和閾值修正量可以分別描

述為：

表3 多重共線性檢測

表4 LPM風險預(yù)測模型回歸結(jié)果

表5 基于BP神經(jīng)網(wǎng)絡(luò)風險預(yù)測模型回歸結(jié)果

表6 兩種模型的指標對比

基于上述完整的BP神經(jīng)網(wǎng)絡(luò)模型計算，能夠按照要求識別出輸入層、中間隱含層和輸出層的信息風險指標權(quán)值和閾值范圍，完成一次訓練。在反復的學習和訓練過程中，輸出結(jié)果極容易陷入局部最優(yōu)，為消除這一不利因素的影響，本文利用粒子群算法強化模型的收斂能力，提高財務(wù)管理風險識別算法的魯棒性。利用粒子群算法適應(yīng)度函數(shù)來分別求解每一個計算過程的適應(yīng)度，并降低BP神經(jīng)網(wǎng)絡(luò)信息管理風險識別過程中的訓練誤差。為了尋找全局中的最優(yōu)值，要賦予BP網(wǎng)絡(luò)模型以最優(yōu)的初始權(quán)值及閾值，實現(xiàn)企業(yè)財務(wù)信息管理過程中風險的預(yù)測與控制。確率方面難以滿足企業(yè)財務(wù)管理的要求，本文基于BP神經(jīng)網(wǎng)絡(luò)算法構(gòu)建了更為有效的財務(wù)風險管理預(yù)測模型，實證研究結(jié)果表明本文設(shè)計的風險預(yù)測模型，具有更高的風險預(yù)測準確率，實際應(yīng)用效果更好。

圖1 基于BP神經(jīng)網(wǎng)絡(luò)算法的風險模型增益圖

圖2 基于BP神經(jīng)網(wǎng)絡(luò)算法的風險模型響應(yīng)圖

圖3 基于BP神經(jīng)網(wǎng)絡(luò)算法的利潤變化圖

圖4 基于BP神經(jīng)網(wǎng)絡(luò)算法的投資回報率變化圖

（三）實證檢驗

本文以2014年-2016年間A股53家上市公司的財務(wù)信息風險管理樣本數(shù)據(jù)為研究對象，采用對比研究的方法，研究了LPM風險預(yù)測模型與BP神經(jīng)網(wǎng)絡(luò)財務(wù)信息管理風險預(yù)測模型的預(yù)測結(jié)果差別，選定的財務(wù)指標體系，如表1所示。

基于逐步回歸方法從近3年指標體系的樣本數(shù)據(jù)中選擇F值小于0.1的數(shù)據(jù)，各年逐步回歸所得變量結(jié)果如表2所示。

為避免在財務(wù)信息管理風險預(yù)測過程中的多重共線性，對BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型進行多重共線性檢測，檢測結(jié)果如表3所示。

由表3中的數(shù)據(jù)可知，選定的8個評價指標之間不存在明顯的多重共線性，分別采用LPM風險預(yù)測模型與BP神經(jīng)網(wǎng)絡(luò)財務(wù)信息管理風險預(yù)測模型對選定的53家上市公司的模型回歸結(jié)果進行分析，如表4和表5所示。

對比兩種模型的預(yù)測結(jié)果，基于BP神經(jīng)網(wǎng)絡(luò)風險預(yù)測模型回歸結(jié)果更接近與最大似然值，因此證明該模型的擬合度更好，風險預(yù)測的準確度更高。

為更直觀地對比兩種模型的誤差率、誤判率和準確率指標，統(tǒng)計相關(guān)數(shù)據(jù)，如表6所示。

通過對樣本數(shù)據(jù)的對比和分析，數(shù)據(jù)表面基于BP神經(jīng)網(wǎng)絡(luò)算法的財務(wù)信息風險預(yù)測模型的風險誤差識別率和風險誤判率都明顯地低于LPM模型；而在風險預(yù)測的準確率方面相對于LPM模型更有優(yōu)勢。

最終對選定上市公司結(jié)果檢驗的樣本數(shù)據(jù)進行綜合評估，以驗證模型在增益性、模型響應(yīng)、綜合利潤和投資回報率等方面的表現(xiàn)，并擬合成曲線圖，具體如圖1-圖4所示。

圖1-圖4的指標數(shù)據(jù)變化曲線可以看出，基于BP神經(jīng)網(wǎng)絡(luò)算法所構(gòu)建的財務(wù)信息管理風險預(yù)測模型符合一個有效模型所應(yīng)具備的全部條件，可以實現(xiàn)對于企業(yè)未來會計期間財務(wù)管理信息的準確預(yù)測和識別。

四、研究結(jié)論

財務(wù)信息已經(jīng)成為了企業(yè)未來參與市場競爭的重要資源。傳統(tǒng)的財務(wù)信息管理風險預(yù)測模型在誤判率和準

作者單位：南京理工大學泰州科技學院