基于大數(shù)據(jù)環(huán)境的醫(yī)院財(cái)務(wù)預(yù)測方法研究

王麗 沈晨 龍軍

摘要：大數(shù)據(jù)技術(shù)的發(fā)展給醫(yī)院財(cái)務(wù)預(yù)測研究提供了新的機(jī)遇，同時(shí)也帶來了挑戰(zhàn)。結(jié)合國內(nèi)外基于大數(shù)據(jù)環(huán)境的財(cái)務(wù)預(yù)測方法相關(guān)技術(shù)的演進(jìn)和應(yīng)用實(shí)踐，本文梳理了大數(shù)據(jù)環(huán)境下醫(yī)院預(yù)測方法的特征，構(gòu)建大數(shù)據(jù)環(huán)境下醫(yī)院財(cái)務(wù)預(yù)測方法示意圖，分析了大數(shù)據(jù)環(huán)境下醫(yī)院預(yù)測方法所面臨的挑戰(zhàn)和對(duì)未來研究的展望。

關(guān)鍵詞：大數(shù)據(jù)環(huán)境 ?醫(yī)院 ?財(cái)務(wù) ?預(yù)測方法

一、引言

眾所周知，當(dāng)前大數(shù)據(jù)技術(shù)帶來了管理方式變革、商業(yè)模式變革等影響。而大數(shù)據(jù)預(yù)測是大數(shù)據(jù)最核心的應(yīng)用，其優(yōu)勢體現(xiàn)在它把一個(gè)非常困難的預(yù)測問題，轉(zhuǎn)化為一個(gè)相對(duì)簡單的描述問題，而這是傳統(tǒng)小數(shù)據(jù)根本無法企及的。對(duì)于醫(yī)院而言，當(dāng)前由于財(cái)務(wù)數(shù)據(jù)分析方式發(fā)生了巨大變化，醫(yī)院財(cái)務(wù)預(yù)測業(yè)務(wù)流程也將發(fā)生根本性的變化。醫(yī)院財(cái)務(wù)人員可以通過大數(shù)據(jù)資料，依據(jù)現(xiàn)實(shí)條件，運(yùn)用特定的方法從海量數(shù)據(jù)中分析和挖掘出有價(jià)值的信息，來預(yù)測醫(yī)院未來的財(cái)務(wù)狀況，給醫(yī)院財(cái)務(wù)全面預(yù)算決策提供依據(jù)。然而，大數(shù)據(jù)所刻畫的是一個(gè)復(fù)雜的系統(tǒng)，對(duì)于醫(yī)院財(cái)務(wù)人員而言，大數(shù)據(jù)環(huán)境下如何選取有效的研究方法提升醫(yī)院財(cái)務(wù)預(yù)測的準(zhǔn)確性是值得深入思考的。

二、大數(shù)據(jù)環(huán)境下財(cái)務(wù)預(yù)測方法研究現(xiàn)狀概述

（一）國內(nèi)基于大數(shù)據(jù)環(huán)境的財(cái)務(wù)預(yù)測方法研究現(xiàn)狀

2014 年春節(jié)，百度利用 LBS 技術(shù)推出了“春運(yùn)遷徙”圖，第一次通過大數(shù)據(jù)計(jì)算全程分析了動(dòng)態(tài)、即時(shí)的春節(jié)前后人口移動(dòng)的變化和特點(diǎn)，并以可視化的圖形方式呈現(xiàn)出來，讓人們直觀的感受到了大數(shù)據(jù)的力量。如今，可以通過大數(shù)據(jù)分析來預(yù)測用戶消費(fèi)需求、進(jìn)行基因組測試、預(yù)防流感疫情等，大數(shù)據(jù)的應(yīng)用已經(jīng)滲透到各行各業(yè)，我國將大數(shù)據(jù)戰(zhàn)略正式列入“十三五”規(guī)劃綱要中。國內(nèi)文獻(xiàn)中相關(guān)學(xué)者也深入分析了大數(shù)據(jù)環(huán)境下財(cái)務(wù)相關(guān)預(yù)測方法，景立偉等（2007）在文獻(xiàn)中利用傳遞函數(shù)模型對(duì)醫(yī)院業(yè)務(wù)收入影響因素進(jìn)行分析。在此基礎(chǔ)上利用分析結(jié)果對(duì)醫(yī)院業(yè)務(wù)收入做出預(yù)測，并將預(yù)測結(jié)果與ARIMA模型預(yù)測結(jié)果進(jìn)行比較。張麗湘（2009）在文獻(xiàn)中根據(jù)灰色系統(tǒng)預(yù)測理論，提出關(guān)于醫(yī)院財(cái)務(wù)走向的預(yù)測方法。趙麗娥等（2015） 于文獻(xiàn)中在當(dāng)前廣泛建設(shè)的醫(yī)療云框架上，通過醫(yī)療財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測模型有效地檢測出醫(yī)院財(cái)務(wù)中可能存在的風(fēng)險(xiǎn)。王劍等（2018） 在文獻(xiàn)中使用稀有事件Logit模型對(duì)大樣本進(jìn)行分析，提出資產(chǎn)負(fù)債率、固定資產(chǎn)周轉(zhuǎn)率和營業(yè)收入增長率等對(duì)財(cái)務(wù)困境有較強(qiáng)的預(yù)測作用。王海峰（2018） 在文獻(xiàn)中基于優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)算法討論企業(yè)財(cái)務(wù)管理中的風(fēng)險(xiǎn)預(yù)測及處理。賈小平（2018）在文獻(xiàn)中將計(jì)量經(jīng)濟(jì)學(xué)的回歸分析法與企業(yè)財(cái)務(wù)分析相結(jié)合，預(yù)測某管網(wǎng)企業(yè)在現(xiàn)有資產(chǎn)規(guī)模采取統(tǒng)購統(tǒng)銷模式下盈虧平衡點(diǎn)的銷售量數(shù)值及管輸價(jià)格。李偉杰（2018） 在文獻(xiàn)中把我國的上市公司作為主要研究對(duì)象，以 2011-2017年的公司財(cái)務(wù)數(shù)據(jù)為例，采用多種建模技術(shù)構(gòu)建預(yù)測模型。方匡南等（2018） 提出稀疏組Lasso支持向量機(jī)方法，并應(yīng)用到制造業(yè)相關(guān)上市公司的財(cái)務(wù)困境預(yù)測中。鄭治平（2018） 基于因子分析法提取企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)特征，對(duì)相關(guān)化肥類上市公司年報(bào)數(shù)據(jù)進(jìn)行實(shí)證分析。綜上分析，目前國內(nèi)一些學(xué)者關(guān)于大數(shù)據(jù)時(shí)代財(cái)務(wù)預(yù)測方法的理論論述較多，但對(duì)大數(shù)據(jù)環(huán)境中財(cái)務(wù)預(yù)測方法的技術(shù)角度給予論述比較缺乏，還需進(jìn)一步探討。

（二）國外基于大數(shù)據(jù)環(huán)境的財(cái)務(wù)預(yù)測方法研究現(xiàn)狀

2011 年，美國國際數(shù)據(jù)公司（IDC）在一份報(bào)告中正式將“大數(shù)據(jù)價(jià)值”觀念加入到大數(shù)據(jù)特征中，提出了大數(shù)據(jù)具有“數(shù)量大”、“速度快”、“數(shù)據(jù)類型多樣”、“數(shù)據(jù)價(jià)值小”的“4V”特征。美國東北大學(xué)學(xué)者巴拉巴西的《爆發(fā)：大數(shù)據(jù)時(shí)代預(yù)見未來的新思維》一書，分析了如何去理解人類行為時(shí)空模式中的觀念和預(yù)測問題，做出了“人類行為 93%可以預(yù)測到”的判斷。國外文獻(xiàn)中相關(guān)學(xué)者也深入分析了大數(shù)據(jù)環(huán)境下財(cái)務(wù)相關(guān)預(yù)測方法。Yuan X E（2009） 在文獻(xiàn)中引入連續(xù)蟻群算法和支持向量機(jī)理論，并建立財(cái)務(wù)預(yù)測模型CACO-SVM，利用公司財(cái)務(wù)數(shù)據(jù)對(duì)該算法進(jìn)行訓(xùn)練和測試。Penman S H（2010） 在文獻(xiàn)中闡述財(cái)務(wù)預(yù)測、風(fēng)險(xiǎn)確定和價(jià)值評(píng)估是會(huì)計(jì)問題，指出會(huì)計(jì)不僅提供預(yù)測收益的信息，而且要提供預(yù)測的收益。Jeanbaptiste H（2016） 在文獻(xiàn)中針對(duì)金融行業(yè)大數(shù)據(jù)，提出大數(shù)據(jù)風(fēng)險(xiǎn)預(yù)測模型（MMA-RFM），通過性能優(yōu)化的實(shí)驗(yàn)評(píng)估，驗(yàn)證所提出的方案。Nyman R（2018） 在文獻(xiàn)中將算法分析應(yīng)用于基于文本的金融市場數(shù)據(jù)，利用大數(shù)據(jù)進(jìn)行系統(tǒng)風(fēng)險(xiǎn)評(píng)估。Cockcroft S （2018） 在文獻(xiàn)中對(duì)2007-2016年間47種會(huì)計(jì)、財(cái)務(wù)及信息系統(tǒng)期刊進(jìn)行分析，得出會(huì)計(jì)和金融領(lǐng)域大數(shù)據(jù)未被充分研究的領(lǐng)域是風(fēng)險(xiǎn)與安全、數(shù)據(jù)質(zhì)量等。通過對(duì)國外文獻(xiàn)大數(shù)據(jù)研究相關(guān)資料的梳理，可以發(fā)現(xiàn)國外財(cái)務(wù)預(yù)測研究重點(diǎn)放在技術(shù)方面。從大數(shù)據(jù)計(jì)劃中可以看出，絕大多數(shù)財(cái)務(wù)預(yù)測研究項(xiàng)目都是數(shù)據(jù)工程，重點(diǎn)放在了大數(shù)據(jù)帶來的技術(shù)挑戰(zhàn)。

（三）基于大數(shù)據(jù)環(huán)境的醫(yī)院財(cái)務(wù)主要預(yù)測方法剖析

大數(shù)據(jù)環(huán)境下醫(yī)院財(cái)務(wù)數(shù)據(jù)具有多樣性，不僅包括傳統(tǒng)財(cái)務(wù)報(bào)表的結(jié)構(gòu)化數(shù)據(jù)，同時(shí)也包括互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、社交網(wǎng)絡(luò)等大數(shù)據(jù)財(cái)務(wù)管理系統(tǒng)半結(jié)構(gòu)化數(shù)據(jù)。面對(duì)未來醫(yī)院飛速上升的非結(jié)構(gòu)化數(shù)據(jù)，我們醫(yī)院財(cái)務(wù)人員應(yīng)該如何獲得有效的財(cái)務(wù)預(yù)測信息？當(dāng)前大數(shù)據(jù)相關(guān)的建模方法有：有監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)。有監(jiān)督學(xué)習(xí)是從標(biāo)簽化訓(xùn)練數(shù)據(jù)集中推斷出函數(shù)的機(jī)器學(xué)習(xí)任務(wù);無監(jiān)督學(xué)習(xí)則事先沒有訓(xùn)練樣本，需要直接對(duì)相應(yīng)數(shù)據(jù)進(jìn)行建模。當(dāng)前在財(cái)務(wù)預(yù)測研究中有監(jiān)督建模運(yùn)行更多，具體包括：決策樹、深度學(xué)習(xí)等算法。與傳統(tǒng)財(cái)務(wù)預(yù)測研究的方法相比，基于大數(shù)據(jù)環(huán)境的醫(yī)院財(cái)務(wù)預(yù)測方法主要體現(xiàn)在以下四個(gè)方面，如圖1所示：

1、主觀預(yù)測法

圖1 大數(shù)據(jù)環(huán)境下醫(yī)院財(cái)務(wù)預(yù)測方法示意圖

主觀預(yù)測法主要是利用市場調(diào)查得到的各種信息，根據(jù)預(yù)測者個(gè)人的知識(shí)、經(jīng)驗(yàn)和主觀判斷，對(duì)預(yù)測對(duì)象的發(fā)展趨勢可能性作出主觀估測的預(yù)測方法。對(duì)于大數(shù)據(jù)環(huán)境下醫(yī)院財(cái)務(wù)預(yù)測而言，主觀預(yù)測法偏重于對(duì)醫(yī)院運(yùn)營的發(fā)展方向和醫(yī)院財(cái)務(wù)分析中各種影響因素的分析，發(fā)揮專家經(jīng)驗(yàn)和主觀能動(dòng)性。主觀預(yù)測法具體包括：德爾菲法、專家會(huì)議法等。其中，德爾菲法是由企業(yè)組成一個(gè)專門的預(yù)測機(jī)構(gòu)，其中包括若干專家和企業(yè)預(yù)測組織者，按照規(guī)定的程序，征詢專家對(duì)未來市場的意見或者判斷，然后進(jìn)行預(yù)測的方法。在這里，選擇哪些合適的人員作為專家是采用德爾菲法的重要環(huán)節(jié)。而專家會(huì)議法是指對(duì)預(yù)測對(duì)象有較豐富知識(shí)和經(jīng)驗(yàn)的人員組成專家小組進(jìn)行座談?dòng)懻摚ハ鄦l(fā)、集思廣益，最終形成預(yù)測結(jié)果的方法。但在大數(shù)據(jù)醫(yī)院財(cái)務(wù)預(yù)測中，主觀預(yù)測法需要根據(jù)問題自身的特點(diǎn)去分析，盡可能地搜集相關(guān)財(cái)務(wù)數(shù)據(jù)，結(jié)合數(shù)學(xué)方法力爭從數(shù)量上作出相關(guān)財(cái)務(wù)測算。

2、回歸分析預(yù)測法

大數(shù)據(jù)環(huán)境下醫(yī)院財(cái)務(wù)預(yù)測業(yè)務(wù)環(huán)節(jié)中，數(shù)據(jù)已經(jīng)成為醫(yī)院財(cái)務(wù)人員決策與規(guī)劃控制的最關(guān)鍵環(huán)節(jié)。例如：在大數(shù)據(jù)財(cái)務(wù)預(yù)測統(tǒng)計(jì)建模中，回歸分析是根據(jù)自變量來預(yù)測因變量。判斷自變量與因變量因素相關(guān)程度成為醫(yī)院財(cái)務(wù)回歸分析必須要解決的首要問題?；貧w分析按照涉及財(cái)務(wù)變量的多少，分為一元回歸和多元回歸分析。在醫(yī)院財(cái)務(wù)大數(shù)據(jù)分析中，回歸分析是指確定兩種或兩種以上變量間相互依賴的定量關(guān)系的一種統(tǒng)計(jì)分析方法。在大數(shù)據(jù)分析中，回歸分析是一種預(yù)測性的建模技術(shù)，它研究的是因變量和自變量之間的關(guān)系。醫(yī)院財(cái)務(wù)人員結(jié)合變量最終確定的因果關(guān)系，可以對(duì)財(cái)務(wù)發(fā)展趨勢進(jìn)行預(yù)測分析。

3、傳統(tǒng)時(shí)間序列分析預(yù)測法

時(shí)間序列是指將同一統(tǒng)計(jì)指標(biāo)的數(shù)值按其發(fā)生的時(shí)間先后順序排列而成的數(shù)列，其分析的主要目的是根據(jù)已有的歷史數(shù)據(jù)對(duì)未來進(jìn)行預(yù)測。財(cái)務(wù)時(shí)間序列包括財(cái)務(wù)會(huì)計(jì)報(bào)告中現(xiàn)金流量數(shù)據(jù)、年度銷售數(shù)據(jù)等。醫(yī)院財(cái)務(wù)時(shí)間序列分析所反映的現(xiàn)象是由眾多復(fù)雜因素共同作用的結(jié)果，不同因素的作用會(huì)產(chǎn)生不同的結(jié)果。其反映的是一段時(shí)間內(nèi)發(fā)展變化過程的總量。針對(duì)醫(yī)院財(cái)務(wù)預(yù)測而言，財(cái)務(wù)時(shí)間序列分析的主要作用有：（1）描述醫(yī)院財(cái)務(wù)發(fā)展?fàn)顟B(tài)和結(jié)果;（2）研究醫(yī)院財(cái)務(wù)的發(fā)展趨勢和發(fā)展速度;（3）對(duì)醫(yī)院財(cái)務(wù)進(jìn)行預(yù)測;（4）通過控制、修正和重新設(shè)計(jì)等方式，達(dá)到把握醫(yī)院財(cái)務(wù)發(fā)展趨勢的目的。時(shí)間序列預(yù)測模型包括：移動(dòng)平均模型（MA）以及混合模型等。在實(shí)際財(cái)務(wù)預(yù)測運(yùn)用中，混合模型具體包括自回歸移動(dòng)平均模型（ARMA）以及差分自回歸移動(dòng)平均模型（ARIMA）。傳統(tǒng)統(tǒng)計(jì)學(xué)時(shí)間序列分析預(yù)測法對(duì)于趨勢性較強(qiáng)的財(cái)務(wù)數(shù)據(jù)集效果比較好，但如果遇到趨勢不那么強(qiáng)的醫(yī)院財(cái)務(wù)數(shù)據(jù)集，則效果不太理想。我們可以考慮用機(jī)器學(xué)習(xí)的方法進(jìn)行財(cái)務(wù)預(yù)測。

4、機(jī)器學(xué)習(xí)時(shí)間序列分析預(yù)測法

為提高預(yù)測的精度，基于數(shù)據(jù)的機(jī)器學(xué)習(xí)是大數(shù)據(jù)環(huán)境下財(cái)務(wù)預(yù)測技術(shù)的重要方面。機(jī)器學(xué)習(xí)可以根據(jù)給定的訓(xùn)練樣本求出財(cái)務(wù)預(yù)測系統(tǒng)輸入輸出之間依賴關(guān)系的估計(jì)，使它能夠?qū)ξ粗敵鲎鞒霰M可能準(zhǔn)確的預(yù)測。在這里，醫(yī)院財(cái)務(wù)機(jī)器學(xué)習(xí)時(shí)間序列分析預(yù)測法的整體流程為：首先，將財(cái)務(wù)數(shù)據(jù)集劃分為訓(xùn)練集和測試集;其次，對(duì)于訓(xùn)練集做特征篩選，提取有信息量的特征變量，而篩除掉無信息等干擾特征變量;再次，應(yīng)用算法建立相關(guān)財(cái)務(wù)預(yù)測模型;最后，結(jié)合測試集對(duì)算法模型的輸出參數(shù)進(jìn)行優(yōu)化。具體算法包括：線性回歸模型、決策樹（回歸樹）模型等算法模型。在大數(shù)據(jù)環(huán)境下具體醫(yī)院財(cái)務(wù)預(yù)測中，我們可以將機(jī)器學(xué)習(xí)方法和傳統(tǒng)時(shí)序預(yù)測法結(jié)合運(yùn)用。

通過大數(shù)據(jù)財(cái)務(wù)預(yù)測方法分析，可以發(fā)現(xiàn)大數(shù)據(jù)環(huán)境下醫(yī)院財(cái)務(wù)人員將面臨思維模式與技術(shù)挑戰(zhàn)，而如何有效平衡醫(yī)院財(cái)務(wù)管理各相關(guān)方的認(rèn)知，處理好醫(yī)院財(cái)務(wù)預(yù)測需求與大數(shù)據(jù)預(yù)測方法模型應(yīng)用需求之間的矛盾也是當(dāng)前面臨的主要難題之一。與此同時(shí)，基于大數(shù)據(jù)財(cái)務(wù)預(yù)測方法更多依賴于大數(shù)據(jù)財(cái)務(wù)數(shù)據(jù)來源。按照預(yù)測的精細(xì)程度，大數(shù)據(jù)財(cái)務(wù)預(yù)測可以分為不同層級(jí)，在不同層級(jí)獲得準(zhǔn)確的預(yù)測結(jié)果，關(guān)鍵在于宏觀數(shù)據(jù)和微觀數(shù)據(jù)、共性數(shù)據(jù)和個(gè)性數(shù)據(jù)之間的關(guān)聯(lián)分析。大數(shù)據(jù)環(huán)境下醫(yī)院財(cái)務(wù)預(yù)測包括成本管理預(yù)測、預(yù)算管理預(yù)測、風(fēng)險(xiǎn)與結(jié)余管理預(yù)測、收支結(jié)構(gòu)預(yù)測、資產(chǎn)運(yùn)營預(yù)測等。醫(yī)院財(cái)務(wù)人員結(jié)合各個(gè)部門傳送的不同業(yè)務(wù)數(shù)據(jù)，運(yùn)用大數(shù)據(jù)預(yù)測方法進(jìn)行有效性分析。根據(jù)分析結(jié)果深入挖掘醫(yī)院成本管理、預(yù)算管理、風(fēng)險(xiǎn)與結(jié)余管理、收支結(jié)構(gòu)和資產(chǎn)運(yùn)營等方面財(cái)務(wù)預(yù)測。

三、結(jié)束語

通過國內(nèi)外大數(shù)據(jù)環(huán)境下財(cái)務(wù)預(yù)測方法分析得出：與傳統(tǒng)醫(yī)院財(cái)務(wù)數(shù)據(jù)樣本相比來看，大數(shù)據(jù)財(cái)務(wù)預(yù)測過程為醫(yī)院財(cái)務(wù)人員提供了范圍更廣、更多的數(shù)據(jù)支持。當(dāng)然，大數(shù)據(jù)財(cái)務(wù)預(yù)測由于醫(yī)院復(fù)雜系統(tǒng)本身的不確定性以及突現(xiàn)現(xiàn)象的產(chǎn)生而變得困難，要提高大數(shù)據(jù)環(huán)境下醫(yī)院財(cái)務(wù)預(yù)測的準(zhǔn)確性，需要不斷的改進(jìn)和完善相關(guān)方法模型，以期更好為醫(yī)院發(fā)展戰(zhàn)略提供科學(xué)依據(jù)。希望通過本文的研究和探索，為大數(shù)據(jù)時(shí)代醫(yī)院財(cái)務(wù)預(yù)測方法提供理論參考。

參考文獻(xiàn)

[1]景立偉，王彤，王衛(wèi)琪.傳遞函數(shù)模型在醫(yī)院業(yè)務(wù)收入預(yù)測中的應(yīng)用[J].現(xiàn)代預(yù)防醫(yī)學(xué)，2007，（20）：3858-3859+3864.

[2] 張麗湘. 醫(yī)院財(cái)務(wù)預(yù)測模型研究[J].管理觀察， 2009（31）：334-335.

[3]趙麗娥，陳氤，譚警宇.云平臺(tái)下基于貝葉斯的醫(yī)療財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測模型[J].電子技術(shù)與軟件工程，2015，（22）：185-186.

[4]王劍，黃錦春.基于稀有事件Logit模型的財(cái)務(wù)困境預(yù)測研究[J].會(huì)計(jì)之友，2018，（23）：55-59.

[5]王海峰.試論企業(yè)財(cái)務(wù)管理中的風(fēng)險(xiǎn)預(yù)測及處理—基于優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)算法[J].中國注冊(cè)會(huì)計(jì)師，2018，（09）：103-106.

[6]賈小平.計(jì)量經(jīng)濟(jì)學(xué)回歸分析法在企業(yè)財(cái)務(wù)預(yù)測中的應(yīng)用[J].經(jīng)濟(jì)師，2018，（12）：111+113.

[7]李偉杰.基于理論角度的經(jīng)典統(tǒng)計(jì)財(cái)務(wù)困境預(yù)測模型問題研究[J].納稅，2018，12（33）：151.

[8]方匡南，楊陽.SGL-SVM方法研究及其在財(cái)務(wù)困境預(yù)測中的應(yīng)用[J].統(tǒng)計(jì)研究，2018，35（08）：104-115.

[9]鄭治平.基于模式識(shí)別的企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測方法[J].商業(yè)會(huì)計(jì)，2018，（06）：25-28.

[10]艾伯特-拉斯洛·巴拉巴西， 巴拉巴西， 馬慧. 爆發(fā)：大數(shù)據(jù)時(shí)代預(yù)見未來的新思維[M].中國人民大學(xué)出版社， 2012.

[11] Yuan X E， Yu Z. Technology Program Financial Forecast Model Based on CACO-SVM[C]. International Workshop on Intelligent Systems & Applications. 2009.

[12]Penman S H . Financial Forecasting， Risk and Valuation： Accounting for the Future[J]. Abacus， 2010， 46（2）：18.

[13] Jeanbaptiste H ， Qiu M ， Gai K ， et al. Meta Meta-Analytics for Risk Forecast Using Big Data Meta-Regression in Financial Industry [C]. IEEE International Conference on Cyber Security & Cloud Computing. IEEE， 2016.

[14]Nyman R， Kapadia S， Tuckett D， et al. News and Narratives in Financial Systems： Exploiting Big Data for Systemic Risk Assessment[J]. Bank of England Working Papers， 2018.

[15] Cockcroft S ， Russell M . Big Data Opportunities for Accounting and Finance Practice and Research： Big Data in Accounting and Finance[J]. Australian Accounting Review， 2018（2）.

[16]李永梅，張艷紅，汪軍.財(cái)務(wù)預(yù)測理論與實(shí)務(wù)[M].立信會(huì)計(jì)出版社， 2005.

[17]郎茂祥.預(yù)測理論與方法[M].清華大學(xué)出版社，2011.