基于LAMP構(gòu)架的電力財務(wù)信息異常閾值分析及預(yù)警模型

廖瓊

(國網(wǎng)甘肅省電力公司， 甘肅， 蘭州 730030)

0 引言

經(jīng)濟發(fā)展推動電力企業(yè)迅速崛起，在市場競爭環(huán)境中，企業(yè)自身的經(jīng)營管理是增加企業(yè)競爭力的重要途徑，而財務(wù)信息安全則是電力企業(yè)管理的重中之重，電力財務(wù)信息異常處理不得當是導致企業(yè)陷入財務(wù)危機的因素之一[1-2]，為此電力企業(yè)對財務(wù)狀況的分析與預(yù)警需求不斷增加，而目前針對該方面研究方法與模型眾多，如李鴻禧等[3]設(shè)計了動態(tài)財務(wù)預(yù)警模型，該模型通過分析電力企業(yè)財務(wù)信息風險指標獲取其發(fā)生異常概率，雖然該模型對企業(yè)財務(wù)數(shù)據(jù)識別率較高，但整體正確率僅為76.4%，預(yù)警效果不夠理想，楊貴軍等[4]研究了企業(yè)財務(wù)風險預(yù)警方法通過Bejnford律因子檢測財務(wù)信息質(zhì)量，并建立風險預(yù)警模型，但受Bejnford律因子客觀性影響，僅適合個別電力企業(yè)，不具備普適性。

AMP構(gòu)架由Linux、Apache等運行環(huán)境與軟件構(gòu)成，通過將不同功能軟件架構(gòu)一起實現(xiàn)命令式管理操作，LAMP構(gòu)架具備圖形界面美觀，呈現(xiàn)內(nèi)容豐富等優(yōu)點，因此，本文整合以往研究經(jīng)驗，利用LAMP構(gòu)架設(shè)計基于LAMP構(gòu)架的電力財務(wù)信息異常閾值分析及預(yù)警模型，為電力企業(yè)提供有效掌握財務(wù)信息異常途徑。

1 基于LAMP構(gòu)架的電力財務(wù)信息異常閾值分析及預(yù)警模型

1.1 LAMP技術(shù)構(gòu)架

LAMP技術(shù)構(gòu)架依托于Web Application Framework應(yīng)用框架，在該框架基礎(chǔ)上實現(xiàn)URL轉(zhuǎn)換、交互頁面控制、應(yīng)用訪問等，LAMP技術(shù)構(gòu)架如圖1所示。

圖1 LAMP技術(shù)構(gòu)架

LAMP技術(shù)構(gòu)架主要由服務(wù)類應(yīng)用、基礎(chǔ)服務(wù)平臺、平臺核心服務(wù)、軟件環(huán)境和計算資源構(gòu)成，其中服務(wù)類應(yīng)用主要負責提供上網(wǎng)、多媒體查詢以及即時通訊功能；基礎(chǔ)服務(wù)平臺基于Web應(yīng)用框架建立應(yīng)用注冊庫和管理控制臺，用戶在應(yīng)用注冊庫內(nèi)注冊個人信息，利用管理控制臺實現(xiàn)電力財務(wù)信息文件描述、部署以及異常閾值分析和預(yù)警；平臺核心服務(wù)則依據(jù)統(tǒng)一SOA標準實現(xiàn)用戶的認證授權(quán)、信息平臺管理、以及電力財務(wù)信息搜索等功能；軟件環(huán)境與計算資源則利用Apache、PHP、Java等軟件為LAMP技術(shù)構(gòu)架提供模塊編程功能，通過云主機和存儲以及傳感器完成整個LAMP技術(shù)構(gòu)架的資源計算與存儲功能。

1.2 Web應(yīng)用框架

Web應(yīng)用框架主要由URL Handler、UI Viewer Render、Page Render、Proxy等構(gòu)成，其中URL Handler是Web資源搜索引擎定義，由URL、回調(diào)函數(shù)構(gòu)成，用戶在使用之初首先通過URL進行用戶權(quán)限校驗，校驗通過后回調(diào)函數(shù)回傳校驗通過信息，用戶方可使用相應(yīng)服務(wù)；UI Viewer Render為渲染工具，依據(jù)LAMP構(gòu)架編程軟件的程序需求，為用戶界面提供渲染功能；Page Render為加載工具，負載加載配置文件，電力財務(wù)信息屬性、異常閾值分析結(jié)果以及預(yù)警結(jié)果；Proxy為代理協(xié)議，負責向網(wǎng)絡(luò)發(fā)送外部服務(wù)調(diào)用請求。Web應(yīng)用框架運行具體流程如圖2所示。

圖2 Web應(yīng)用框架運行流程示意圖

Web應(yīng)用框架的Agent負責統(tǒng)一其他服務(wù)接口，實現(xiàn)各個服務(wù)之間互相連接，屬于Web應(yīng)用框架運行的核心結(jié)構(gòu)，Proxy為Agent代理層，為Agent提供服務(wù)；模板引擎是將渲染工具完成的功能展示到可視界面。

1.3 財務(wù)信息異常閾值判定

由于電力財務(wù)信息具備一定周期性，同等長度的時間段內(nèi)，電力財務(wù)信息存在一定的相似性，且電力財務(wù)信息時間異常閾值需始終保持在一定區(qū)間內(nèi)。電力財務(wù)信息閾值區(qū)間如表1所示。

表1 電力財務(wù)信息時間閾值表

按照表1的時間區(qū)間，當電力財務(wù)信息時間閾值超過所設(shè)定區(qū)間內(nèi)時，判斷該條電力財務(wù)信息所在的閾值區(qū)間為異常閾值[5]，其計算式如下：

(1)

其中：

gk=gk-1+δ(k)

(2)

gk=gk-1-δ(k)

(3)

式中，gk表示電力財務(wù)信息異常閾值容量數(shù)值，gk-1表示上一個時間段的電力財務(wù)信息異常閾值容量數(shù)值。

通過上述步驟，可獲取到電力財務(wù)信息異常閾值，為后續(xù)的預(yù)警提供信息基礎(chǔ)。

1.4 基于Logit的電力財務(wù)信息異常預(yù)警模型

1.4.1 約簡預(yù)警指標變量

由于電力財務(wù)信息數(shù)量基數(shù)大，財務(wù)指標眾多，按照《企業(yè)財務(wù)通則》，財務(wù)指標分為3種：償債能力指標，包括資產(chǎn)負債率、流動比率、速動比率；營運能力指標，包括應(yīng)收賬款周轉(zhuǎn)率、存貨周轉(zhuǎn)率；盈利能力指標，包括資本金利潤率、銷售利潤率(營業(yè)收入利稅率)、成本費用利潤率等。如此多的指標會形成維數(shù)災(zāi)難問題，因此利用主成分分析(PCA)方法對電力財務(wù)信息指標進行約簡[6]。

令μ=E(x)表示電力xi的均值，∑Cov(x)表示xi的協(xié)方差矩陣，該性變化表達式如下：

(4)

式中，wk表示可變向量，其中k=1,2,…,m，f1表示電力財務(wù)以此類推。

當電力財務(wù)指標集內(nèi)存在m個指標時，其核心內(nèi)容的貢獻率表達式如下

(5)

λh=Var(fh)

(6)

式中，Gh表示核心內(nèi)容貢獻率。

累積貢獻率表達式如下：

(7)

式中，V表示該電力財務(wù)指標排序超前的核心指標。

利用電力財務(wù)指標前V個核心指標構(gòu)建新指標集，以新指標集作為預(yù)警模型的輸入。

1.4.2 電力財務(wù)信息異常預(yù)警模型構(gòu)建

Logit模型為離散選擇模型，目前使用范圍較廣，該模型可在樣本內(nèi)進行預(yù)警的同時也可對樣本外信息進行預(yù)警，且其預(yù)警結(jié)果較為精準，本文利用Logit模型對電力財務(wù)信息中的異常信息進行預(yù)測，其輸入樣本為上節(jié)約簡預(yù)警指標變量后所構(gòu)建的新樣本集V。其流程如下：

將電力財務(wù)信息總樣本集化分為訓練樣本和測試樣本，電力財務(wù)信息發(fā)生異常的條件概率表達式如下：

(8)

式中，Oi、O分別表示第i條電力財務(wù)信息的異常條件概率和總概率。

建立電力財務(wù)信息異常預(yù)警模型如下：

(9)

式中，C表示訓練樣本數(shù)量，β表示估計參數(shù)。

依據(jù)上述預(yù)警模型，測試樣本的電力財務(wù)信息異常條件概率表達式如下：

(10)

式中，Od表示測試樣本的異常條件概率，d為測試樣本數(shù)量。

依據(jù)式(9)和式(10)可判斷預(yù)測樣本中存在的電力財務(wù)異常信息從而實現(xiàn)有效預(yù)警。

2 實例測試

為驗證本文模型實際應(yīng)用效果，以某省電力企業(yè)2015至2020年財務(wù)信息80 000條為實例測試對象，具體信息類型如表2所示。

表2 實驗財務(wù)信息內(nèi)容

將該財務(wù)信息劃分為測試集與樣本集，測試樣本集與訓練樣本集財務(wù)信息量占比各為50%。

以測試集樣本為例，測試本文模型在分析電力財務(wù)信息閾值方面能力，以閾值的自相關(guān)系數(shù)作為衡量閾值選取能力指標，在不同電力財務(wù)信息量下，測試本文模型閾值分析能力，結(jié)果如圖3所示。

圖3 閾值分析結(jié)果

分析圖3可知，本文模型分析的閾值自相關(guān)系數(shù)與實際閾值的自相關(guān)系數(shù)相差不大，在電力財務(wù)信息為0.2～0.6萬條和1.2～1.8萬條時，本文模型分析的閾值自相關(guān)系數(shù)要高于實際閾值自相關(guān)系數(shù)，閾值的自相關(guān)系數(shù)較高表明閾值對測試信息集要求較高，因此將該閾值作為模型預(yù)測標準可較大程度提升模型輸出結(jié)果的準確度，由此可見本文模型具備較強的閾值分析能力。

預(yù)警模型的預(yù)警數(shù)值與實際電力財務(wù)信息值之間的差值為殘差值，以預(yù)測樣本集為實例測試對象，在電力財務(wù)信息量不同情況下，計算電力財務(wù)信息的平均殘差值和標準值，繪制預(yù)警模型的殘差閾值曲線，結(jié)果如圖4所示。

圖4 預(yù)警模型殘差值曲線

分析圖4可知，預(yù)警模型的殘差數(shù)值始終在-2～2區(qū)間內(nèi)上下波動，在電力財務(wù)信息閾值固定情況下，電力財務(wù)信息量在0.23～0.4萬條之間時，殘差數(shù)值超出閾值下限范圍，在電力財務(wù)信息量為1.37萬條左右和1.58萬條左右，預(yù)警的殘差數(shù)值超過閾值上限數(shù)值，表明此時電力財務(wù)信息出現(xiàn)較嚴重的異常情況，而本文模型的殘差數(shù)值曲線與實際數(shù)值曲線整體趨勢相同，部分位置幾乎完全重合，在電力信息出現(xiàn)異常時本文模型的殘差數(shù)值較高于實際數(shù)值，說明模型在預(yù)警過程中閾值選取嚴格對異常信息敏感度較高，綜上所述，本文模型具備較強的預(yù)警能力。

測試本文模型實際預(yù)警效果，以該電力企業(yè)2015年至2020年財務(wù)數(shù)據(jù)為實例測試對象，以差異幅度異常、預(yù)收賬款占比異常、結(jié)算異常為指標，利用5分制對年度財務(wù)異常數(shù)據(jù)進行評分，1～10分小到大表示異常程度不嚴重、嚴重、較嚴重、非常嚴重、極度嚴重，依據(jù)風險評分分析該企業(yè)存在的財務(wù)異常情況，結(jié)果如圖5所示。

圖5 電力企業(yè)財務(wù)異常狀況

分析圖5可知，該電力企業(yè)在2010年和2011年兩年中，電力財務(wù)信息異常情況較嚴重，其中2010年該企業(yè)財務(wù)信息中差異幅度異常程度雖然較低，但結(jié)算異常和預(yù)收異常程度均超過較嚴重狀態(tài)，2011年3個財務(wù)信息指標異常程度均較高，而自2012年起，該企業(yè)財務(wù)信息異常程度有所下降，其中預(yù)收賬款占比異常和結(jié)算異常下降速度較快，綜合而言，本文模型可有效預(yù)警該電力企業(yè)財務(wù)信息異常情況。

3 總結(jié)

本文利用LAMP構(gòu)架設(shè)計基于LAMP構(gòu)架的電力財務(wù)信息異常閾值分析及預(yù)警模型。以某省電力企業(yè)財務(wù)信息為實例測試對象從多個角度對模型性能進行了測試，測試結(jié)果表明：該模型在電力財務(wù)信息為0.2～0.6萬條和1.2～1.8萬條時所分析的閾值自相關(guān)系數(shù)要高于實際閾值自相關(guān)系數(shù)，閾值對測試信息集要求較高，模型預(yù)警能力好；在電力財務(wù)信息量為20 000個時，其誤判數(shù)值低，預(yù)警精度高；模型的F1數(shù)值均在0.9以上模型擬合能力強，實際應(yīng)用性能較好。