基于深度學(xué)習(xí)的企業(yè)破產(chǎn)預(yù)測研究

韓歡歡

基于深度學(xué)習(xí)的企業(yè)破產(chǎn)預(yù)測研究

韓歡歡

（首都經(jīng)濟(jì)貿(mào)易大學(xué)管理工程學(xué)院，北京 100070）

金融危機(jī)的頻繁爆發(fā)導(dǎo)致了社會(huì)經(jīng)濟(jì)的蕭條，給投資者、債權(quán)人、企業(yè)以及政府帶來了沉重的打擊。大量的企業(yè)將面臨著重構(gòu)、重組、超額負(fù)債，甚至破產(chǎn)清算的境地。對(duì)于企業(yè)來說，無法提前預(yù)知風(fēng)險(xiǎn)的到來，就難以采取有效的行動(dòng)來預(yù)防困境的形成。然而，隨著人工智能信息技術(shù)，特別是深度學(xué)習(xí)模型的發(fā)展，在一定程度上能夠有效預(yù)防，甚至阻止此類風(fēng)險(xiǎn)事件的發(fā)生。因此，以深度學(xué)習(xí)模型為基礎(chǔ)，通過提出新的破產(chǎn)預(yù)測模型來研究中國企業(yè)破產(chǎn)事件的形成原因，并提出相應(yīng)的解決對(duì)策，進(jìn)而識(shí)別潛在的危機(jī)并采取相應(yīng)的措施。

深度學(xué)習(xí)；破產(chǎn)預(yù)測；風(fēng)險(xiǎn)管理；預(yù)測模型

1 緒論

企業(yè)破產(chǎn)預(yù)測的研究最早開始于20世紀(jì)30年代，研究者們認(rèn)為企業(yè)在經(jīng)營過程中會(huì)受到內(nèi)外部環(huán)境的綜合作用，這種作用最終會(huì)以另一種形式反映在企業(yè)的經(jīng)營狀況上。然而，直到20世紀(jì)60年代之后破產(chǎn)預(yù)測的研究才引起學(xué)者們廣泛的重視。在這一研究中，破產(chǎn)事件作為人們的研究變量直接影響著最終的預(yù)測結(jié)果，學(xué)者們對(duì)破產(chǎn)發(fā)生的概念卻有著不同的解釋。究其原因，發(fā)現(xiàn)破產(chǎn)事件的出現(xiàn)往往是一個(gè)連續(xù)的過程，無法找到一個(gè)明確統(tǒng)一的分界點(diǎn)來進(jìn)行界定，因此不同的學(xué)者對(duì)破產(chǎn)的看法各執(zhí)一詞。國外大多數(shù)研究者認(rèn)為當(dāng)企業(yè)向法院提出破產(chǎn)申請(qǐng)時(shí)就標(biāo)志著該企業(yè)即將陷入破產(chǎn)清算的境地，進(jìn)入法定的破產(chǎn)程序就是法律上的破產(chǎn)。

對(duì)比之下，國內(nèi)學(xué)者們對(duì)于破產(chǎn)預(yù)測的研究起步較晚，在一些概念上基本沿用了國外的理論成果，大多數(shù)對(duì)于中國企業(yè)破產(chǎn)預(yù)測的研究往往以是否被ST（Special Treat）來作為企業(yè)是否破產(chǎn)的標(biāo)志，被ST的企業(yè)就代表著破產(chǎn)的企業(yè)，否則，就是健康的企業(yè)。除此之外，一些學(xué)者對(duì)破產(chǎn)的概念有其他的界定標(biāo)準(zhǔn)。然而，不論哪一種解釋，都是盡可能真實(shí)地反映企業(yè)破產(chǎn)所屬的情況。

總的來說，企業(yè)破產(chǎn)的發(fā)生是一個(gè)階段性的過程，從破產(chǎn)危機(jī)萌芽到最終危機(jī)形成，是一系列動(dòng)態(tài)的過程。如果能夠在危機(jī)發(fā)生之前及時(shí)發(fā)現(xiàn)潛在的風(fēng)險(xiǎn)并采取措施，就能夠有效地防止企業(yè)破產(chǎn)。但是，從根本上阻止企業(yè)破產(chǎn)就是要找到企業(yè)破產(chǎn)事件發(fā)生的原因，只有對(duì)原因進(jìn)行改善，才有可能從源頭上找到突破口。其次，中國當(dāng)前對(duì)破產(chǎn)預(yù)測的研究相比國外略顯不足，人們對(duì)風(fēng)險(xiǎn)管理的意識(shí)也相對(duì)淡薄，必須提出新的破產(chǎn)預(yù)測模型來針對(duì)性地解決當(dāng)前部分中國企業(yè)瀕臨破產(chǎn)而不自知的困境。

2 中國上市公司破產(chǎn)的原因

2.1 經(jīng)營管理不善造成的決策失誤

企業(yè)的管理者需要具備領(lǐng)導(dǎo)者的基本素養(yǎng)，不僅要做好組織生產(chǎn)的工作，還要對(duì)未來有一定的預(yù)見能力。這就對(duì)企業(yè)的管理者提出了較高的要求，而就目前來說，中國企業(yè)大部分的管理者往往更相信個(gè)人經(jīng)驗(yàn)，憑個(gè)人感覺作出決策。這對(duì)于規(guī)模小、結(jié)構(gòu)精簡且主營業(yè)務(wù)單一的小型企業(yè)來說可能相對(duì)有效。但對(duì)業(yè)務(wù)模式略顯復(fù)雜的企業(yè)，不可預(yù)見的風(fēng)險(xiǎn)因素更多，這種決策方式不僅缺乏科學(xué)性，也不能作為其他決策的理論指導(dǎo)。在大數(shù)據(jù)時(shí)代，這種管理方式更不具備可行性，往往會(huì)導(dǎo)致決策的失誤。長時(shí)間的決策失誤會(huì)使得企業(yè)資金周轉(zhuǎn)困難，這種狀態(tài)持續(xù)一段時(shí)間而得不到有效解決就會(huì)導(dǎo)致企業(yè)無法繼續(xù)正常經(jīng)營，最終就會(huì)走向破產(chǎn)。

2.2 風(fēng)險(xiǎn)管理意識(shí)淡薄

企業(yè)發(fā)展受外界環(huán)境影響（如相關(guān)政策的出臺(tái)，法律法規(guī)的頒布等），組織決策需要及時(shí)根據(jù)環(huán)境預(yù)知風(fēng)險(xiǎn)作出調(diào)整。尤其是目前企業(yè)的內(nèi)外部環(huán)境變化迅速，破產(chǎn)預(yù)測的管理應(yīng)具備一套完整的機(jī)制來監(jiān)測并管控風(fēng)險(xiǎn)。而市場監(jiān)管規(guī)則的制定往往存在滯后性，企業(yè)必須做好自身的風(fēng)險(xiǎn)控制。而一些初具規(guī)?；蛘甙l(fā)展穩(wěn)定的企業(yè)，由于其發(fā)展歷程中經(jīng)歷了多次的競爭才在市場上占據(jù)一定的份額，因此面對(duì)風(fēng)險(xiǎn)都較為樂觀。往往這些企業(yè)也存在著一定的管理自信，認(rèn)為憑借自身的力量就足以抵抗風(fēng)險(xiǎn)，進(jìn)而導(dǎo)致風(fēng)險(xiǎn)管理意識(shí)的薄弱。對(duì)此，必須提出更加高效的預(yù)測模型來提升風(fēng)險(xiǎn)管理實(shí)施效果，強(qiáng)化管理人員的風(fēng)險(xiǎn)管理意識(shí)。

2.3 風(fēng)險(xiǎn)管理方法落后

當(dāng)前的大部分企業(yè)，特別是對(duì)于中小型企業(yè)來說，存在自身規(guī)模、資金等實(shí)力背景的限制，從而難以建立科學(xué)完備的風(fēng)險(xiǎn)防控機(jī)制。在風(fēng)險(xiǎn)管理方法仍然以單一的線性、單變量模型為主。然而，就當(dāng)前復(fù)雜的社會(huì)因素來說，企業(yè)最終出現(xiàn)破產(chǎn)是由一系列指標(biāo)之間的相互作用而導(dǎo)致的，各指標(biāo)之間不僅僅是一些線性的關(guān)系，更多的是一些非線性關(guān)系的相互影響。因此，企業(yè)在構(gòu)建風(fēng)險(xiǎn)模型時(shí)應(yīng)該結(jié)合現(xiàn)實(shí)的社會(huì)因素，考慮到指標(biāo)之間的復(fù)雜關(guān)系。與此同時(shí)，人們所處的是一個(gè)動(dòng)態(tài)的環(huán)境，在不同時(shí)期，各因素之間的相互作用也可能是千差萬別的，人們更應(yīng)該從動(dòng)態(tài)的角度來完善風(fēng)險(xiǎn)管理模型，從而能及時(shí)發(fā)現(xiàn)潛在的風(fēng)險(xiǎn)因素。

3 基于深度學(xué)習(xí)模型的企業(yè)破產(chǎn)預(yù)測研究

以現(xiàn)有的國內(nèi)外企業(yè)破產(chǎn)預(yù)測研究為背景，結(jié)合現(xiàn)實(shí)情況下企業(yè)無法對(duì)危機(jī)及時(shí)作出反應(yīng)的困境，提出了一種高效的破產(chǎn)預(yù)測模型。該模型重點(diǎn)考慮到處于困境中的企業(yè)內(nèi)部影響指標(biāo)之間的相互作用關(guān)系，并通過構(gòu)造圖數(shù)據(jù)的形式將這種相互作用以圖的形式顯性地反映出來，進(jìn)而能夠達(dá)到與深度學(xué)習(xí)模型之間的契合。進(jìn)一步，使用深度學(xué)習(xí)模型對(duì)生成的圖數(shù)據(jù)直接進(jìn)行特征提取與分類。基于以上考慮，最終對(duì)模型作出以下改進(jìn)方案。

3.1 以動(dòng)態(tài)數(shù)據(jù)來替換傳統(tǒng)的截面數(shù)據(jù)

前人對(duì)于企業(yè)破產(chǎn)預(yù)測的研究大多使用數(shù)值型的指標(biāo)，部分研究根據(jù)企業(yè)所處的困境與危機(jī)的階段差異將研究對(duì)象分為多個(gè)觀測期，如-1、-2等，分別代表處于破產(chǎn)發(fā)生的前一年、前兩年等。然而，現(xiàn)實(shí)情況下企業(yè)破產(chǎn)的形成是動(dòng)態(tài)的，在這個(gè)變化的過程中，各影響因素之間的相互作用是存在著差異的。由于破產(chǎn)這一狀態(tài)的出現(xiàn)并不在一個(gè)時(shí)間節(jié)點(diǎn)，也不是一個(gè)瞬間的動(dòng)作。它是經(jīng)歷多次累積后的聚合效果，是處于某個(gè)時(shí)間段內(nèi)的，這就造成了靜態(tài)數(shù)據(jù)不能很好地反映這種動(dòng)態(tài)變化過程。

然而，時(shí)間序列數(shù)據(jù)代表了變量在一定時(shí)間段內(nèi)的動(dòng)態(tài)變化過程，特別是多變量時(shí)間序列數(shù)據(jù)包含了豐富的多維信息。很明顯，這一數(shù)據(jù)類型與人們對(duì)破產(chǎn)動(dòng)態(tài)變化的定義是一致的，它能夠反映企業(yè)從困境的萌芽到最終破產(chǎn)清算的整個(gè)變化過程。并且，大量的指標(biāo)之間的相互作用能夠通過多變量時(shí)間序列的趨勢變化反映出來。但是，據(jù)人們所知，使用多變量時(shí)間序列的破產(chǎn)預(yù)測模型相對(duì)較少。一方面，這可能與多變量時(shí)間序列破產(chǎn)預(yù)測樣本獲取較難相關(guān)；另一方面，將多變量時(shí)間序列與破產(chǎn)預(yù)測問題相結(jié)合存在一定的難度，關(guān)鍵在于如何進(jìn)行特征提取并進(jìn)行最終的分類。

3.2 將數(shù)值型變量轉(zhuǎn)換成反映變量間復(fù)雜關(guān)系的圖（graph）數(shù)據(jù)

企業(yè)破產(chǎn)事件發(fā)生的同時(shí)，內(nèi)部指標(biāo)之間的相互作用關(guān)系也處于不斷變化之中。然而，現(xiàn)有大量的文獻(xiàn)都是建立在對(duì)于數(shù)值型指標(biāo)的研究基礎(chǔ)之上，并且大多集中于處理單個(gè)指標(biāo)在不同時(shí)期的一種表現(xiàn)。一方面，如果人們直接對(duì)多變量進(jìn)行時(shí)間序列的分類，就無法反映各個(gè)時(shí)間序列變量之間的相關(guān)關(guān)系；另一方面，人們必須使所研究的對(duì)象與最終的分類器達(dá)成形式上的統(tǒng)一。這就要求在充分考慮指標(biāo)之間相關(guān)關(guān)系的同時(shí)，構(gòu)造的圖必須是分類器能夠接受的輸入信息。基于以上考慮，筆者們注意到許多天然的或者是合成的系統(tǒng)都有著天然的圖表征的特性，特別是圖數(shù)據(jù)包含了變量之間的相互作用關(guān)系。對(duì)于一個(gè)企業(yè)來說，圖更是一種理想的工具來構(gòu)造各個(gè)指標(biāo)之間的相關(guān)關(guān)系。于是提出將研究變量之間的相互關(guān)系轉(zhuǎn)換成圖數(shù)據(jù)的形式來代替以往研究中僅使用數(shù)值型變量的限制。在這種情況下，各個(gè)變量就轉(zhuǎn)換成與圖相對(duì)應(yīng)的節(jié)點(diǎn)，每一個(gè)節(jié)點(diǎn)有相應(yīng)的標(biāo)簽來表征該節(jié)點(diǎn)所代表的變量的種類；變量之間的相互作用關(guān)系通過動(dòng)態(tài)規(guī)整距離獲取的相關(guān)關(guān)系矩陣得到，并且以邊的形式反映在圖上。通過一定的構(gòu)造規(guī)則，構(gòu)造出屬于任何一個(gè)企業(yè)的唯一的圖。

3.3 使用深度學(xué)習(xí)模型整合特征提取與分類兩階段

傳統(tǒng)的破產(chǎn)預(yù)測模型大致可以分為統(tǒng)計(jì)類模型、淺層機(jī)器學(xué)習(xí)模型與深度學(xué)習(xí)模型三種。而淺層機(jī)器學(xué)習(xí)模型對(duì)企業(yè)破產(chǎn)的預(yù)測一般分為兩個(gè)步驟，即特征提取與分類。對(duì)于大多數(shù)的破產(chǎn)預(yù)測的研究基本都需要遵循這兩個(gè)步驟，第一個(gè)過程中的特征提取在隨后的分類過程中起到很大的決定作用。使用兩個(gè)獨(dú)立的模型來分別進(jìn)行特征提取與分類可能出現(xiàn)一些不兼容的問題。一些深度學(xué)習(xí)模型，如深度卷積神經(jīng)網(wǎng)絡(luò)作為深度學(xué)習(xí)中新興的研究領(lǐng)域而受到研究者的追捧。尤其是它能夠集特征提取與分類兩個(gè)階段于一體，首先使用卷積操作來提取圖像的特征，隨后直接能夠?qū)μ卣鬟M(jìn)行分類并輸出預(yù)測結(jié)果。而大部分研究將其運(yùn)用于圖像識(shí)別、過程監(jiān)測、金融市場分析與故障診斷等領(lǐng)域。在破產(chǎn)預(yù)測中的運(yùn)用相當(dāng)有限，而這一難點(diǎn)在于將數(shù)值型的一些影響指標(biāo)轉(zhuǎn)化為深度學(xué)習(xí)模型可接受的輸入，打破了以往淺層機(jī)器學(xué)習(xí)模型先進(jìn)行特征提取后再分類的限制。

4 結(jié)論

本文提出一種新的破產(chǎn)預(yù)測模型，將多變量時(shí)間序列數(shù)據(jù)作為研究對(duì)象，通過提取多變量時(shí)間序列數(shù)據(jù)之間的相互作用關(guān)系特征來構(gòu)造深度卷積神經(jīng)網(wǎng)絡(luò)模型的學(xué)習(xí)對(duì)象數(shù)據(jù)集。其次，將深度學(xué)習(xí)模型在人們所構(gòu)建的數(shù)據(jù)集上進(jìn)行訓(xùn)練并調(diào)參。隨后使用訓(xùn)練過的深度學(xué)習(xí)模型來提取處于破產(chǎn)清算中企業(yè)的特征，并將測試對(duì)象輸出為破產(chǎn)或者健康兩種狀態(tài)。最后，通過在中國上市公司的數(shù)據(jù)集上的大量實(shí)驗(yàn)證明了筆者們所提出方法的有效性。

［1］彭旭.破產(chǎn)預(yù)測模型的比較研究［D］.成都：西南財(cái)經(jīng)大學(xué)，2013.

［2］楊鐘瑾.粒子群和遺傳算法優(yōu)化支持向量機(jī)的破產(chǎn)預(yù)測［J］.計(jì)算機(jī)工程與應(yīng)用，2013（18）：265-270.

F270.7

A

10.15913/j.cnki.kjycx.2021.08.065

2095－6835（2021）08－0160－02

韓歡歡（1994—），女 ，碩士研究生，研究方向?yàn)槠飘a(chǎn)預(yù)測。

〔編輯：王霞〕