大數(shù)據(jù)背景下財務(wù)診斷研究綜述

李亦豐

摘要：整理了國內(nèi)外財務(wù)診斷的研究內(nèi)容，先分別介紹了國內(nèi)和國外在財務(wù)診斷方向的研究現(xiàn)狀，再之后，又整理了引入大數(shù)據(jù)之后，通過數(shù)據(jù)挖掘技術(shù)，財務(wù)診斷取得了的新的研究成果，最后進行全文總結(jié)。

關(guān)鍵詞：大數(shù)據(jù)；財務(wù)診斷；數(shù)據(jù)挖掘

中圖分類號：F23文獻標(biāo)識碼：Adoi：10.19311/j.cnki.16723198.2018.25.038

1引言

傳統(tǒng)的財務(wù)預(yù)警方法在現(xiàn)在這樣一個數(shù)據(jù)飛速增長的環(huán)境下已經(jīng)顯現(xiàn)出了一些弊端，因此，將大數(shù)據(jù)應(yīng)用到企業(yè)的財務(wù)診斷中已經(jīng)引起了國內(nèi)外學(xué)者的高度重視。之所以會考慮到將大數(shù)據(jù)應(yīng)用于財務(wù)診斷，那是因為企業(yè)的多年生產(chǎn)經(jīng)營活動會產(chǎn)生海量的財務(wù)數(shù)據(jù)，而這些海量數(shù)據(jù)里面可能會存在著一定的規(guī)律，通過對這些財務(wù)數(shù)據(jù)的分析，找到里面存在的規(guī)律，可以對企業(yè)經(jīng)營狀況進行預(yù)測，及時發(fā)現(xiàn)企業(yè)財務(wù)運轉(zhuǎn)中可能存在的問題。想要利用好企業(yè)經(jīng)營產(chǎn)生的這種海量財務(wù)數(shù)據(jù)，就需要使用數(shù)據(jù)挖掘這種專業(yè)方法，通過這種方法，可以從海量的財務(wù)數(shù)據(jù)中發(fā)現(xiàn)有價值的信息。國內(nèi)外學(xué)者高度重視數(shù)據(jù)挖掘這種方法在財務(wù)診斷領(lǐng)域的應(yīng)用，數(shù)據(jù)挖掘是一種高效的數(shù)據(jù)分析方法，適用于對大規(guī)模的數(shù)據(jù)進行分析，與公司經(jīng)營產(chǎn)生的海量數(shù)據(jù)相契合。在海量的財務(wù)數(shù)據(jù)中找到有價值的信息后，企業(yè)通過財務(wù)診斷模型，對企業(yè)財務(wù)狀況和經(jīng)營活動進行分析，發(fā)現(xiàn)其中的財務(wù)問題并及時解決，可以避免企業(yè)經(jīng)營決策上的重大失誤。因此，大數(shù)據(jù)在財務(wù)診斷中應(yīng)用具有重大的現(xiàn)實意義。

2財務(wù)診斷國內(nèi)外研究現(xiàn)狀

2.1財務(wù)診斷的定義

財務(wù)診斷的定義不同學(xué)者有不同的看法，國內(nèi)學(xué)者馬冬青等人在2006年認為財務(wù)診斷就是運用專業(yè)的財務(wù)診斷方法對企業(yè)的經(jīng)營財務(wù)狀況進行全方位的分析，從而找到企業(yè)存在的財務(wù)問題，并針對這些問題提出相應(yīng)解決方案的過程。同樣，梁戈夫教授2005年指出財務(wù)診斷是基于對財務(wù)報表以及各項財務(wù)指標(biāo)的分析，建立財務(wù)預(yù)警模型，通過建立的模型對企業(yè)財務(wù)狀況進行預(yù)警，并針對出現(xiàn)的警情加以分析，找到問題出現(xiàn)的根本原因。國外對財務(wù)診斷的研究開始的更早， 但是國外并不是叫作財務(wù)診斷，而是稱為財務(wù)咨詢。以前財務(wù)咨詢包含的內(nèi)容很多，主要有企業(yè)的資金運轉(zhuǎn)、償債能力、經(jīng)營環(huán)境等方面?，F(xiàn)在的財務(wù)診斷內(nèi)容更加豐富，新增加了企業(yè)盈利能力診斷等內(nèi)容。

2.2財務(wù)診斷國內(nèi)研究綜述

國內(nèi)對財務(wù)診斷最早是以上市公司作為研究對象，1999年陳靜選取了50多家上市公司，以流動負債和流動資產(chǎn)等6個財務(wù)指標(biāo)構(gòu)建了預(yù)警指標(biāo)體系，運用判別分析法對上市公司進行財務(wù)診斷研究。但是運用判別分析法進行財務(wù)診斷時還存在一定的缺陷，針對這一缺陷，又有大量學(xué)者對該問題展開研究，特別是楊保安等人在2001年將人工神經(jīng)網(wǎng)絡(luò)方法應(yīng)用于財務(wù)診斷模型當(dāng)中，該模型通過使用多家發(fā)生了財務(wù)危機的公司和沒有發(fā)生財務(wù)危機公司的財務(wù)數(shù)據(jù)來進行預(yù)警檢驗，由于預(yù)警的高成功率，成功驗證了將人工神經(jīng)網(wǎng)絡(luò)應(yīng)用于財務(wù)診斷模型的可行性。同樣，章忠志在2003年也對人工神經(jīng)網(wǎng)絡(luò)的應(yīng)用做出了貢獻，將該方法用來構(gòu)建銀行信用貸款風(fēng)險預(yù)測模型，而且結(jié)果顯示預(yù)測成功率高達92%。

財務(wù)診斷能夠成功的前提是構(gòu)建正確的財務(wù)指標(biāo)體系，因此有許多國內(nèi)學(xué)者對財務(wù)診斷指標(biāo)體系進行了研究，張星文在2004年基于企業(yè)所處的環(huán)境構(gòu)建了財務(wù)診斷指標(biāo)體系，該指標(biāo)體系使用了模糊層次分析法對企業(yè)財務(wù)進行診斷并且能夠快速的實現(xiàn)財務(wù)管理的目標(biāo)，但是該指標(biāo)體系也存在一些缺陷，該指標(biāo)體系只能分析企業(yè)經(jīng)營過程中財務(wù)的現(xiàn)狀，并不能起到財務(wù)預(yù)警的作用。企業(yè)的指標(biāo)體系也需要根據(jù)企業(yè)的大小來進行調(diào)整，陳福軍在2007年提出適用于中小企業(yè)的財務(wù)診斷指標(biāo)體系，該指標(biāo)體系是根據(jù)中小企業(yè)內(nèi)外部環(huán)境和財務(wù)活動來設(shè)計的，并詳細的闡述了如何使用該指標(biāo)體系對企業(yè)進行財務(wù)診斷。在這之后，我國學(xué)者唐凌鳳在2010年選取了一上市公司連續(xù)三年的財務(wù)數(shù)據(jù)作為研究的基礎(chǔ)數(shù)據(jù)，使用專業(yè)的財務(wù)診斷工具對企業(yè)數(shù)據(jù)進行分析，該研究向后來的研究學(xué)者指出了今后的研究方向。

財務(wù)指標(biāo)體系的構(gòu)建主要是應(yīng)用于企業(yè)診斷模型，國內(nèi)學(xué)者在企業(yè)診斷模型的研究中也做了很大的貢獻，目前國內(nèi)最主要的財務(wù)診斷模型還是由梁戈夫教授在2000年提出的中小企業(yè)綜合管理診斷模型，該模型主要包括財務(wù)分析模塊、業(yè)務(wù)分析模塊、組織分析模塊三個部分，首先要了解企業(yè)的戰(zhàn)略價值導(dǎo)向和收集受診企業(yè)的資料，對三個主要模塊進行分析，得出企業(yè)診斷報告。該模型不僅給之后的研究提供了理論指導(dǎo)而且為計算機輔助系統(tǒng)在財務(wù)診斷中的應(yīng)用打下了堅實的基礎(chǔ)。具體的診斷模型圖見圖1。

2.3財務(wù)診斷國外研究現(xiàn)狀

國外對于財務(wù)診斷的研究主要分為三個階段，第一階段國外該領(lǐng)域的領(lǐng)軍人物是Fitzpatrick，在1932年Fitzpatrick最早將單變量指標(biāo)模型應(yīng)用于財務(wù)診斷，該模型使用單個財務(wù)指標(biāo)對多家上市公司進行研究，對比發(fā)生財務(wù)危機的企業(yè)和沒有發(fā)生財務(wù)危機公司的數(shù)據(jù)，發(fā)現(xiàn)最具影響力的兩個財務(wù)指標(biāo)的是利潤率和資產(chǎn)負債率。但是受到當(dāng)時研究條件的限制，沒有使用到專業(yè)的計算機軟件進行分析，只是通過不同公司之間的財務(wù)指標(biāo)數(shù)據(jù)的直接對比來找出差異性大的指標(biāo)，該方法還是停留在直觀的描述性層面。為了解決Fitzpatrick研究中存在的問題，Beaver在1966年的研究中引入了破產(chǎn)診斷模型的概念，該研究認為破產(chǎn)并不是判斷企業(yè)出現(xiàn)財務(wù)危機的唯一標(biāo)準(zhǔn)，判斷標(biāo)準(zhǔn)還包括企業(yè)無法償還公司債券，無法分配股東股利等標(biāo)準(zhǔn)。Beaver的研究中還得到了一個重要的結(jié)論，就是判別成功率跟距離企業(yè)破產(chǎn)日期遠近成反比。雖然Beaver的研究在Fitzpatrick的基礎(chǔ)上取得了很大的進展，但是Beaver的研究始終還是屬于單變量財務(wù)指標(biāo)分析方法，對企業(yè)財務(wù)分析不夠全面，因此，多變量的引入進去了大多數(shù)學(xué)者的眼界。

國外財務(wù)診斷進入第二階段的標(biāo)志正是對多變量判別法的廣泛應(yīng)用。提到多變量判別法就不得不提Altman，他在該領(lǐng)域取得了舉世矚目的成果。他在1968年第一次將多變量判別法用來進行財務(wù)預(yù)警，和之前研究相同的點是還是將選取的公司分為發(fā)生了財務(wù)危機和沒有發(fā)生財務(wù)危機兩組，但不同點是改用他自己首創(chuàng)的Z-SCORE模型，該模型能成功地解決單變量模型進行財務(wù)診斷時存在的問題。然而多變量預(yù)警模型也在它自己的缺陷，該模型雖然能準(zhǔn)確的預(yù)測企業(yè)是否會發(fā)生財務(wù)危機，但是無法測算出可能會發(fā)生財務(wù)危機的準(zhǔn)確概率。

神經(jīng)網(wǎng)絡(luò)技術(shù)是財務(wù)診斷研究的第三階段重點研究對象，很多國外學(xué)者在此研究方向上做出了自己的貢獻，1996年Kaneko建立的神經(jīng)元模型在許多科學(xué)領(lǐng)域得到了應(yīng)用。2011年P(guān).Ravisankar的研究也證明了神經(jīng)網(wǎng)絡(luò)技術(shù)應(yīng)用于財務(wù)診斷有很高的效率。還有其他國外學(xué)者在該領(lǐng)域有很多成果，最主要的還是1988年Emanuel等三人首次考慮到現(xiàn)金流量這個重要的指標(biāo)，并且成功將該指標(biāo)融入到財務(wù)診斷模型中去。國外對于財務(wù)診斷研究的歷程主要是以上三個階段，從單變量到多變量，最后到神經(jīng)網(wǎng)絡(luò)技術(shù)，這一步一步的提高都標(biāo)志著財務(wù)診斷領(lǐng)域的日趨成熟。

3大數(shù)據(jù)在財務(wù)診斷中的應(yīng)用

3.1數(shù)據(jù)挖掘技術(shù)定義

數(shù)據(jù)挖掘技術(shù)簡單來說就是借助計算機的輔助從大量的數(shù)據(jù)中找到隱藏在數(shù)據(jù)背后的規(guī)律。隨著社會的不斷發(fā)展，企業(yè)積累的數(shù)據(jù)也越來越多，因此數(shù)據(jù)挖掘技術(shù)能在大多數(shù)企業(yè)發(fā)揮作用，逐漸數(shù)據(jù)挖掘發(fā)展成為了一個覆蓋面廣泛的技術(shù)。國內(nèi)學(xué)者主要從兩個方面定義數(shù)據(jù)挖掘技術(shù)，首先是從商業(yè)層面，從這個層面來考慮，數(shù)據(jù)挖掘技術(shù)所起到的作用就是給企業(yè)帶來了有很高價值的商業(yè)信息，能夠幫助企業(yè)進行經(jīng)營決策。譚家豪在2009年從商業(yè)層面對數(shù)據(jù)挖掘技術(shù)給出了定義，他將數(shù)據(jù)挖掘定義成為了完成企業(yè)的經(jīng)營目標(biāo)，從企業(yè)海量的財務(wù)數(shù)據(jù)中找出隱藏其中的規(guī)律，并對這些規(guī)律加以分析，從而幫助企業(yè)進行正確的商業(yè)決策。第二個可以定義的層面是技術(shù)層面，技術(shù)層面是從數(shù)據(jù)挖掘技術(shù)怎么從海量數(shù)據(jù)中發(fā)現(xiàn)規(guī)律來思考的，周潔在2010年將數(shù)據(jù)挖掘技術(shù)定義為從海量的混亂的數(shù)據(jù)中通過大數(shù)據(jù)的方法找到企業(yè)經(jīng)營者之前無法發(fā)現(xiàn)的有價值的信息的過程。

3.2數(shù)據(jù)挖掘技術(shù)在財務(wù)診斷中的應(yīng)用

隨著數(shù)據(jù)挖掘技術(shù)在各個領(lǐng)域的廣泛應(yīng)用，越來越多的國內(nèi)學(xué)者開始對數(shù)據(jù)挖掘技術(shù)在財務(wù)預(yù)警和財務(wù)診斷中的應(yīng)用展開研究。在財務(wù)預(yù)警方面，傅榮在2002年使用數(shù)據(jù)挖掘的專業(yè)方法構(gòu)建了上市公司財務(wù)預(yù)警模型，并選取了多家上市公司來對模型進行了檢驗，檢驗結(jié)果表明該模型有很高的預(yù)測準(zhǔn)確率。傅榮的研究在該領(lǐng)域起到了領(lǐng)頭的作用，使后來的學(xué)者能夠很好地借鑒。在財務(wù)分析方面，數(shù)據(jù)挖掘技術(shù)也能起到一定作用，劉勝平和張啟鑾在2004年在財務(wù)分析方面使用數(shù)據(jù)挖掘技術(shù)成功實現(xiàn)了對財務(wù)的控制由適時向?qū)崟r的轉(zhuǎn)變，該研究能為企業(yè)節(jié)約成本，提高收益，提高工作效率，讓企業(yè)的管理更為科學(xué)。

數(shù)據(jù)挖掘技術(shù)不僅僅能在財務(wù)預(yù)警和財務(wù)分析這兩個方面起到作用，而且還能應(yīng)用到財務(wù)診斷模型當(dāng)中，龐大蓮教授在2016年將大數(shù)據(jù)下的財務(wù)診斷模型分為三個部分，收集受診企業(yè)的數(shù)據(jù)，分析收集的數(shù)據(jù)，根據(jù)分析結(jié)果做出診斷報告，此模型不僅明確了各個部分應(yīng)該做的工作而且式整個診斷過程更加的流暢。具體的模型如圖2所示。

4研究評述及展望

大數(shù)據(jù)在財務(wù)診斷中的應(yīng)用具有劃時代的意義，大數(shù)據(jù)的應(yīng)用成功克服了傳統(tǒng)財務(wù)診斷存在的缺陷，傳統(tǒng)的診斷方法只能依靠企業(yè)的資產(chǎn)負債表、利潤表、現(xiàn)金流量表上的財務(wù)數(shù)據(jù)，但是財務(wù)報表上的信息會受到企業(yè)所處的會計環(huán)境所影響，另外企業(yè)的財務(wù)報表上的數(shù)據(jù)可能會存在錯誤，而且對報表的分析方法太過于主觀簡便。而大數(shù)據(jù)的引入，使用了多變

量判別分析法，人工神經(jīng)網(wǎng)絡(luò)分析法等專業(yè)的方法進行診斷，選取的財務(wù)指標(biāo)更加全面，構(gòu)建的財務(wù)指標(biāo)體系更加全面，構(gòu)建的財務(wù)診斷模型都有極高的準(zhǔn)確率。雖然大數(shù)據(jù)為財務(wù)診斷提供了新的研究思路，但我們不應(yīng)該就此停下腳步，未來我們應(yīng)該考慮將大數(shù)據(jù)運用到更多的工具里面去，逐漸使財務(wù)診斷成為一個半自動化的過程。

參考文獻

[1]馬冬青，袁穎.企業(yè)財務(wù)診斷分析[J].科技資訊，2006，（21）：128129.

[2]張星文，梁戈夫.企業(yè)適用財務(wù)診斷指標(biāo)體系的研究[J].會計之友，2005，（2）：2526.

[3]楊淑娥，何昕.多層次財務(wù)診斷專家系統(tǒng)研究[C].中國會計學(xué)會全國會計信息化年會，2007.

[4]陳靜.上市公司財務(wù)惡化預(yù)測的實證分析[J].會計研究，1999，（4）：3138.

[5]楊保安，季海，徐晶，et al.BP神經(jīng)網(wǎng)絡(luò)在企業(yè)財務(wù)危機預(yù)警之應(yīng)用[J].預(yù)測，2001，20（2）：4954.

[6]章忠志，符林，唐煥文.基于人工神經(jīng)網(wǎng)絡(luò)的商業(yè)銀行信用風(fēng)險模型[J].經(jīng)濟數(shù)學(xué)，2003，20（3）：4247.

[7]張星文.模糊層次分析法在企業(yè)財務(wù)活動診斷中的應(yīng)用[J].工業(yè)技術(shù)經(jīng)濟，2004，23（2）：123125.

[8]陳福軍.中小企業(yè)財務(wù)診斷指標(biāo)體系構(gòu)建[J].財會通訊，2007，（7）：2122.

[9]唐凌鳳.S公司財務(wù)診斷與優(yōu)化[D].廣州：華南理工大學(xué)，2010.

[10]梁戈夫.戰(zhàn)略價值指導(dǎo)下的中小企業(yè)綜合管理診斷雛型的建立[J].價值工程，2000，（1）：2628.

[11]Fitzpatrick P J.A Comparison of the Ratios of Successful Industrial Enterprises with those of Failed Companies[J].Análise Molecular Do Gene Wwox，1932：598605.

[12]Beaver W H.Financial Ratios As Predictors of Failure[J].Journal of Accounting Research，1966，4（1）：71111.

[13]Altman E I.FINANCIAL RATIOS，DISCRIMINANT ANALYSIS AND THE PREDICTION OF CORPORATE BANKRUPTCY[J].The Journal of Finance，1968，23（4）：589609.

[14]Kaneko T.Building a financial diagnosis system based on fuzzy logic production system[J].Computers & Industrial Engineering，1996，31（34）：743746.

[15]Ravisankar P，Ravi V，Raghava Rao G，et al.Detection of financial statement fraud and feature selection using data mining techniques[J].Decision Support Systems，2011，50（2）：491500.

[16]Aziz A，Emanuel D C，Lawson G H.BANKRUPTCY PREDICTIONAN INVESTIGATION OF CASH FLOW BASED MODELS[J].Journal of Management Studies，1988，25（5）：419437.

[17]周潔.數(shù)據(jù)挖掘技術(shù)在財務(wù)分析中的研究與應(yīng)用[D].成都：電子科技大學(xué)，2010.

[18]傅榮，吳世農(nóng).我國上市公司經(jīng)營失敗風(fēng)險的判定分析——BP神經(jīng)網(wǎng)絡(luò)模型和Fisher多類線性判定模型[J].東南學(xué)術(shù)，2002，（2）：7179.

[19]劉勝平，張啟鑾.基于數(shù)據(jù)挖掘技術(shù)的財務(wù)實時控制系統(tǒng)研究[J].財會月刊，2004，（6）：3132.