基于粒子群優(yōu)化算法的現(xiàn)代企業(yè)財務(wù)危機預(yù)警系統(tǒng)設(shè)計

趙 吉

(長春人文學(xué)院,吉林 長春 130000)

0 引言

財務(wù)危機的研究一直是世界范圍內(nèi)最廣泛的研究話題之一。一般而言,在對財務(wù)危機問題進行分析時,需要引入多種模型,例如統(tǒng)計模型、人工智能模型等,在相關(guān)學(xué)者的研究中,財務(wù)危機的單變量預(yù)警研究成了這一階段的里程碑。當前,隨著證券市場的產(chǎn)生以及快速發(fā)展,現(xiàn)代企業(yè)的業(yè)績狀況不容樂觀,并且突出問題表現(xiàn)在其嚴重的財務(wù)危機上,部分現(xiàn)代企業(yè)的虧損面積與虧損數(shù)額呈現(xiàn)出逐漸增加的趨勢[1]。而且在當前全球經(jīng)濟形勢發(fā)展背景下,金融一體化逐漸成為未來發(fā)展的主要趨勢。對于每個國家而言,其金融安全問題都會在一定程度上影響到其他國家經(jīng)濟的未來發(fā)展。雖然目前我國的金融監(jiān)管體系正在不斷發(fā)展和完善,但與國際監(jiān)管體系相比,仍然存在較大差距[2]。針對這一問題,該領(lǐng)域研究人員對其開展了更加深入的研究,并將研究重點放在了對現(xiàn)代企業(yè)財務(wù)危機的預(yù)警話題中。然而現(xiàn)有預(yù)警系統(tǒng)的預(yù)警仍然是小樣本預(yù)警事件,需要通過大量數(shù)據(jù)才能夠達到一定精度,因此會導(dǎo)致其運行效果受到影響,導(dǎo)致實際運行中的準確率較低。針對這一問題,本文引入粒子群優(yōu)化算法,對現(xiàn)代企業(yè)財務(wù)危機預(yù)警系統(tǒng)優(yōu)化設(shè)計進行研究。

1 系統(tǒng)硬件設(shè)計

本文在對現(xiàn)代企業(yè)財務(wù)危機預(yù)警前,首先通過硬件結(jié)構(gòu)的建立為軟件部分的計算以及相關(guān)程序的運行提供環(huán)境條件。為確保粒子群優(yōu)化算法的穩(wěn)定運行,本文構(gòu)建如圖1所示的預(yù)警系統(tǒng)硬件結(jié)構(gòu)。

圖1 預(yù)警系統(tǒng)硬件結(jié)構(gòu)

本文在對現(xiàn)代企業(yè)財務(wù)危機進行預(yù)測時,首先需要具備充足的基本信息,因此主要利用數(shù)據(jù)庫服務(wù)器為基本信息的存儲、分析以及處理提供硬件條件。選用ThinkSystemSR658型號ERP服務(wù)器作為本文預(yù)警系統(tǒng)的數(shù)據(jù)庫服務(wù)器,利用該型號服務(wù)器的雙工內(nèi)存和雙路CPU為基本信息提供充足的存儲空間,同時也可以方便后續(xù)對數(shù)據(jù)提取。同時,該型號數(shù)據(jù)庫服務(wù)器可支持16個2.5企業(yè)級SSD,SAS等多種接口硬盤,能夠充分滿足大中小規(guī)模企業(yè)的日常財務(wù)數(shù)據(jù)運行所需[3]?？紤]到預(yù)警系統(tǒng)需要更加強大的控制芯片實現(xiàn)對粒子群優(yōu)化算法的運行,因此本文在選擇主控制芯片時,主要選用NY8B062D型號微控制器芯片作為預(yù)警系統(tǒng)的主控制芯片。本文將該型號芯片應(yīng)用到預(yù)警系統(tǒng)中,以針對企業(yè)財務(wù)數(shù)據(jù)的變化情況,實現(xiàn)相關(guān)算法的自動運行,從而進一步提高預(yù)警系統(tǒng)的及時性和高效性。

2 系統(tǒng)軟件設(shè)計

2.1 現(xiàn)代企業(yè)財務(wù)原始數(shù)據(jù)標準化處理

由于現(xiàn)代企業(yè)在運行過程中其財務(wù)原始數(shù)據(jù)屬于不同的量綱,因此存在部分數(shù)據(jù)輸入系統(tǒng)會出現(xiàn)樣本特大或樣本特小的奇異樣本數(shù)據(jù)。這部分數(shù)據(jù)的產(chǎn)生會在一定程度上影響預(yù)警系統(tǒng)的運行效率,并會造成系統(tǒng)無法實現(xiàn)收斂的問題。因此,本文需要對財務(wù)原始數(shù)據(jù)進行標準化處理[4]。在系統(tǒng)中引入歸一化函數(shù)premnmx函數(shù),再對所有樣本數(shù)據(jù)進行標準化處理,并確保其最終數(shù)據(jù)全部分布在[-1,1]區(qū)間范圍內(nèi)。premnmx函數(shù)的表達式為:

公式(1)中,P表示原始數(shù)據(jù)樣本輸入值;T表示原始數(shù)據(jù)樣本輸出值;Pn表示標準化處理后的輸入數(shù)據(jù);minp表示P中的最小值;maxp表示P中的最大值。按照上述函數(shù),完成對原始數(shù)據(jù)的標準化處理,為后續(xù)危機預(yù)測提供數(shù)據(jù)條件。

2.2 基于粒子群優(yōu)化算法的危機預(yù)測及預(yù)警閾值設(shè)定

在完成對現(xiàn)代企業(yè)財務(wù)原始數(shù)據(jù)標準化處理后,本文利用粒子群優(yōu)化算法在實際應(yīng)用中具備的最優(yōu)解尋找和快速收斂優(yōu)勢,對財務(wù)危機問題進行預(yù)測。選用粒子群優(yōu)化算法中的核心函數(shù),將其作為支持向量機的內(nèi)核函數(shù),構(gòu)建的表達式如公式(2)所示:

公式(2)中,i表示粒子種群數(shù)量;d表示維度;k表示迭代次數(shù);表示在第k+1次迭代當中粒子種群i的第d個粒子的運行速度。將上述公式代入本文系統(tǒng)當中,可實現(xiàn)種群中每個粒子的不斷學(xué)習(xí)更新,并在運行完畢后對最優(yōu)解進行展示,此時得到的最優(yōu)解即為現(xiàn)代企業(yè)財務(wù)預(yù)測結(jié)果。在實際應(yīng)用中,本文首先需要在充分了解企業(yè)財務(wù)危機概念的基礎(chǔ)上,在完成標準化處理的數(shù)據(jù)后,需要選擇發(fā)生財務(wù)危機的企業(yè)和運行良好的企業(yè)進行配對,以組成訓(xùn)練樣本。其次,在確定訓(xùn)練樣本后,本文會根據(jù)現(xiàn)代企業(yè)實際運行狀況,建立財務(wù)危機指標體系。最后,對所有指標進行篩選,并選擇對財務(wù)危機預(yù)警較為敏感的指標,將其代入粒子群優(yōu)化算法的核心函數(shù)中,對結(jié)果進行預(yù)測。

本文在設(shè)定預(yù)警閾值時,需要按照現(xiàn)代企業(yè)相關(guān)財務(wù)指標的數(shù)據(jù)變化情況,將數(shù)值設(shè)置為能夠預(yù)測發(fā)生財務(wù)危機水平的臨界數(shù)值[5]。在預(yù)警系統(tǒng)實際運行過程中,應(yīng)當確保設(shè)定的預(yù)警閾值應(yīng)以滿足國際標準對現(xiàn)代企業(yè)經(jīng)濟特征以及財務(wù)危機發(fā)生時臨界值的各項指標變動情況為條件進行確定。同時,針對沒有明確規(guī)定的預(yù)警閾值指標,應(yīng)當參考經(jīng)濟發(fā)展穩(wěn)定時期其他資產(chǎn)狀況類似的企業(yè)的各項指標數(shù)值,并參照經(jīng)濟、金融背景等在發(fā)展穩(wěn)健時期的各項指標的數(shù)值,以此完成對預(yù)警閾值的設(shè)定和動態(tài)調(diào)整。

3 對比實驗

本文從硬件和軟件兩方面實現(xiàn)對現(xiàn)代企業(yè)財務(wù)危機預(yù)警系統(tǒng)的理論設(shè)計,為進一步驗證該系統(tǒng)在實際應(yīng)用中的效果,并充分體現(xiàn)本文系統(tǒng)的優(yōu)越性,本文選擇將現(xiàn)代企業(yè)股票被進行特別處理作為企業(yè)發(fā)生財務(wù)危機的判別標準,針對被特別處理的現(xiàn)代企業(yè)對其財務(wù)危機進行預(yù)警。

為了在實驗過程中,消除宏觀經(jīng)濟環(huán)境因素以及經(jīng)濟周期變化等因素對預(yù)警結(jié)果造成的影響,本文選擇被特別處理的200家現(xiàn)代企業(yè)作為實驗樣本,樣本中70%企業(yè)為制造業(yè)、5%企業(yè)為服務(wù)業(yè)、3%企業(yè)為采礦業(yè)、2%企業(yè)為旅游業(yè)、20%企業(yè)為其余行業(yè)。分別利用本文提出的預(yù)警系統(tǒng)和基于風(fēng)險控制的預(yù)警系統(tǒng)(文獻[4]系統(tǒng))對上述200家現(xiàn)代企業(yè)進行財務(wù)危機預(yù)警。在實驗中主要選擇將兩種預(yù)警系統(tǒng)得出的后5年企業(yè)的財務(wù)狀況預(yù)測精度作為評價指標,并將其與該企業(yè)真實的后5年財務(wù)收支情況進行對比,計算其預(yù)測偏差。

其中,d表示預(yù)測偏差,z表示真實財務(wù)收支情況,u表示預(yù)警系統(tǒng)預(yù)測,得出財務(wù)收支情況。結(jié)合上述內(nèi)容,完成實驗后,將實驗結(jié)果繪制成表1所示。

表1 兩種預(yù)警系統(tǒng)實驗結(jié)果對比

通過表1中各組數(shù)據(jù)對比可以看出,本文預(yù)測系統(tǒng)給出的預(yù)測結(jié)果與實際偏差更小,而風(fēng)險控制的預(yù)警系統(tǒng)給出的預(yù)測結(jié)果與實際偏差較大。同時,在實驗過程中可以發(fā)現(xiàn)利用本文提出的預(yù)警系統(tǒng),在實際運行過程中依靠粒子群優(yōu)化算法得到的預(yù)測結(jié)果更加穩(wěn)定,這一特點主要取決于粒子群優(yōu)化算法本身具備的全局搜索能力和支持向量機的強大識別和分類能力。因此,通過上述實驗結(jié)果可以進一步說明本文提出的預(yù)警系統(tǒng)能夠?qū)崿F(xiàn)對現(xiàn)代企業(yè)財務(wù)危機的精準預(yù)測,為現(xiàn)代企業(yè)未來發(fā)展策略的提出提供數(shù)據(jù)依據(jù)。

4 結(jié)語

本文針對現(xiàn)代企業(yè)的財務(wù)危機問題,在引入粒子群優(yōu)化算法的基礎(chǔ)上,提出了一種全新的預(yù)警系統(tǒng),并通過對比實驗的方式證明了該系統(tǒng)的應(yīng)用優(yōu)勢。在研究過程中,本文引入的粒子群優(yōu)化算法能夠提高系統(tǒng)的搜索能力和預(yù)測精度,并且打破傳統(tǒng)預(yù)警系統(tǒng)最優(yōu)參數(shù)上限的問題,提高參數(shù)質(zhì)量。但由于研究能力有限,本研究并沒有對系統(tǒng)運行時間進行記錄,也缺少對系統(tǒng)運行效率的評估和驗證。因此,在后續(xù)研究過程中,為進一步提高預(yù)警系統(tǒng)的應(yīng)用性能,研究人員還需要從提高其運行效率的角度對系統(tǒng)進行不斷優(yōu)化和創(chuàng)新。