[摘 要] 本文對國內外財務危機預警方法進行分析,指出我國現(xiàn)有財務危機預警方法各自的優(yōu)缺點,在此基礎上提出了基于專家系統(tǒng)的財務危機預警方法。該方法采用基于規(guī)則推理和案例推理的專家系統(tǒng)對財務危機進行定量預警;利用模糊神經網絡對財務危機進行定性預警,并將二者所得信息有機地融合在一起,獲得較為準確的財務預警結果。
[關鍵詞] 專家系統(tǒng);財務危機預警;定量預警;定性預警;信息融合
[中圖分類號]F275;F232[文獻標識碼]A[文章編號]1673-0194(2008)09-0061-04
財務危機預警主要借助企業(yè)提供的財務報表、經營計劃及其他相關會計資料,利用財會、統(tǒng)計、金融、企業(yè)管理、市場營銷等理論,采用比率分析、比較分析、因素分析等多種分析方法,對企業(yè)的經營活動、財務活動等進行分析預測,以發(fā)現(xiàn)企業(yè)在經營管理活動中潛在的財務風險,并在危機發(fā)生之前向經營者發(fā)出警告,督促企業(yè)管理當局采取有效措施,避免潛在的風險演變成損失,起到未雨綢繆的作用。
國外對財務危機預警的研究時間較長,取得了一些成果。(1)1932年Fitzpatrick以19家公司為樣本,運用單個財務比率將樣本劃分為破產和非破產兩組進行研究,發(fā)現(xiàn)凈利潤/股東權益和股東權益/負債對財務危機的判別能力最高,自此開創(chuàng)了財務危機預警實證研究的先河——單變量判定模型。(2)為了彌補單變量判定模型的缺陷,1968年Altman首先將多變量判別法引入財務危機預警研究領域,即多變量判定模型的研究。其多變量判定模型中的判別變量分別為營運資本/總資產,留存收益/總資產,息稅前收益/總資產,股票市值/債務的賬面價值,銷售收入/總資產。此后,有許多學者采用類似的方法進行研究,對模型加以改造,只是選取的變量指標或者指標系數不同而已。(3) 在1980年Ohlson第一個將邏輯回歸方法引入財務危機預警領域,他選擇了1970-1976年間破產的105家公司和2 058家非破產公司組成的配對樣本,分析了樣本公司在破產概率區(qū)間上的分布以及兩類錯誤和分割點之間的關系,發(fā)現(xiàn)采用公司規(guī)模、資本結構、業(yè)績和當前的融資能力進行財務危機的預測準確率達到96.12%。邏輯回歸分析方法使財務預警模型得到了重大改進,克服了傳統(tǒng)判別分析中的許多問題,包括變量屬于正態(tài)分布的假設以及破產和非破產企業(yè)具有同一協(xié)方差矩陣的假設。(4)1991年Tam采用人工神經網絡模型進行財務預警研究,通過包括輸入層、隱含層和輸出層的人工神經網絡模擬構建模型,具有較好的模式識別能力和容錯能力,能夠處理資料遺漏和錯誤,可隨時依據新數據資料進行自我學習訓練,適用于今日復雜多變的企業(yè)運作環(huán)境。
我國對財務危機預警的探索遠遠落后于西方發(fā)達國家,政府沒有對企業(yè)風險評估及危機預警提出明確的要求,使得我國企業(yè)的危機意識相對薄弱。在研究方法上,主要是借鑒國外的成果,利用我國的數據構建類似的模型。我國學者提出的財務危機預警方法大致可以分為定量預警分析和定性預警分析兩大類。
定量預警分析法主要以財務數據為依據,按其使用財務預警指標數量的多少,可以劃分為單變量預警法和多變量預警法。在運用這些定量模型分析計算時都有一個潛在的假設,即這些報表資料的財務數據全部真實無誤,沒有舞弊的現(xiàn)象。但事實上,財務報表的編制具有相當的彈性,往往不能真正準確地反映公司的財務狀況。特別是當上市公司財務狀況惡化、瀕臨虧損邊緣或有業(yè)績滑坡跡象時,其經營者很可能會采取一些措施調節(jié)盈余、粉飾財務業(yè)績。因此,僅僅依據財務數據預警,其結果的準確性和實用性值得懷疑。
無論是單變量預警模型還是多變量預警模型,其共同之處是只涉及了會計數據和定量比率,而沒有考慮到非量化因素。事實上,非量化因素在披露企業(yè)財務狀況方面有時要比定量財務指標更為可靠、有效。比如,企業(yè)出現(xiàn)過度擴張、過度依賴銀行貸款、企業(yè)人力資源匱乏、企業(yè)市場定位不清、財務報表不能及時公開、過度依賴某家關聯(lián)公司、報表審計單位和公司管理層人員頻繁變動等狀況,都預示著企業(yè)存在潛在的危機。根據以上指標分析財務狀況的方法就是定性預警法,國內外學者在這方面也有一些研究,如“四階段癥狀”分析法是通過分析發(fā)現(xiàn)困境癥狀,判斷財務困境所處的階段,然后采取有效的措施,使企業(yè)擺脫財務困境。這種分析法將財務困境分為危機潛伏期、發(fā)作期、惡化期和爆發(fā)期等4個階段?！皩＜艺{查法”是企業(yè)組織專家對內外環(huán)境進行分析,辨明企業(yè)是否存在財務困境發(fā)生的誘因,發(fā)現(xiàn)財務困境征兆,以此預測財務危機發(fā)生的可能性。可見,運用定性預警法分析操作方便,且可以很好地區(qū)分不同公司的財務特性,但分析人員的經驗、采用的具體方法以及收集資料的情況對分析結論有較大的影響,從而導致分析結果具有一定的人為主觀性。另外,現(xiàn)行會計制度對企業(yè)非財務指標的確認和計量還缺乏必要的規(guī)范性,企業(yè)對很多無形資產還不能有效地進行評估。因此,完全依靠非財務指標建立預警模型的可行性不是很高,預警的精確度也值得懷疑。 從上述分析可見,單獨利用定量分析或者單獨利用定性分析都無法對公司的財務狀況進行準確分析。因此,從我國的實際情況出發(fā),一個公司如果要對其財務狀況進行準確預測,必須將定性分析和定量分析有機結合起來。
近30年來人工智能(Artificial Intelligence,AI)獲得了迅速的發(fā)展,在很多學科領域都得到了廣泛應用,并取得了豐碩成果。作為人工智能一個重要分支的專家系統(tǒng)(Expert System,ES) 是在20世紀60年代初期產生并發(fā)展起來的一門新興的應用科學,而且正隨著計算機技術的不斷發(fā)展而日臻成熟和完善。專家系統(tǒng)是一種智能的計算機程序,它運用知識和推理步驟來解決只有專家才能解決的復雜問題 。建立專家系統(tǒng)的主要目的,是利用某一特定問題領域的專家知識,支持和幫助該領域的非專家去解決復雜問題。專家系統(tǒng)是目前人工智能中一個最活躍且最有成效的研究領域。專家系統(tǒng)有3個特點:(1)啟發(fā)性,能運用專家的知識和經驗進行推理和判斷。(2)透明性,能解決本身的推理過程,回答用戶提出的問題。(3)靈活性,能不斷地增長知識,修改原有知識。
目前已研究的專家系統(tǒng)模型有很多種,其中較為流行的有基于規(guī)則的專家系統(tǒng)、基于案例的專家系統(tǒng)、基于框架的專家系統(tǒng)、基于模糊邏輯的專家系統(tǒng)、基于D-S證據理論的專家系統(tǒng)、基于人工神經網絡的專家系統(tǒng)和基于遺傳算法的專家系統(tǒng)等。根據財務危機預警的相關知識和各種專家系統(tǒng)的特點,本文選擇前兩種專家系統(tǒng)作為定量分析的研究工具。
基于規(guī)則推理(Rule-based Reasoning,RBR)的方法是根據以往專家診斷的經驗,將其歸納成規(guī)則,通過啟發(fā)式經驗知識進行推理。它具有明確的前提,得到確定的結果。RBR是構建專家系統(tǒng)最常用的方法,這主要歸功于大量的成功實例和工具的出現(xiàn)。早期的專家系統(tǒng)大多數是用規(guī)則推理的方法,如DENDRAL專家系統(tǒng)、MYCIN專家系統(tǒng)、PROSPECTOR專家系統(tǒng)等。基于規(guī)則的方法容易使知識工程師與人類專家合作,易于被人類專家理解。規(guī)則庫中的規(guī)則具有相同的結構,這種統(tǒng)一的格式便于管理,同時便于推理機的設計。
基于案例推理(Case-based Reasoning,CBR)的方法就是通過搜索曾經成功解決過的類似問題,比較新、舊問題之間的特征、發(fā)生背景等差異,重新使用或參考以前的知識和信息,達到最終解決新問題的方法。這種類比推理比較符合人類的認知心理。基于案例推理的專家系統(tǒng)具有諸多優(yōu)點:無須顯示領域知識;無須規(guī)則提取,降低了知識獲取難度;開放體系、增量式學習,案例庫的覆蓋度隨系統(tǒng)的不斷使用而逐漸增加 ?；诎咐耐评矸椒ㄟm用于領域定理難以表示成規(guī)則形式,而容易表示成案例形式并且已積累豐富案例的領域。綜合CBR和RBR的專家財務預警系統(tǒng)結構如圖1所示。
在基于規(guī)則推理和案例推理的財務危機預警中,各種預警模型都可以包含在規(guī)則庫中,并且預警模型越多、模型越準確、數據越詳細、成功實例越多,則該預警方法越準確;另外,經過多次判斷以后,該模型還可以利用專家系統(tǒng)的自學習的方法提高以后預警的準確度。
在基于規(guī)則推理和案例推理的財務危機預警中,利用財務數據和成功的預警案例對公司財務狀況進行預警判斷,得出相關結果。但這一結果并未考慮到非量化因素的影響,這樣就可能造成財務危機預警的不準確性。為此,還需對非量化因素進行考慮。考慮到非量化因素的模糊性和不確定性,本文采用在這方面具有良好應用經驗的模糊神經網絡法進行財務危機預警。
模糊理論(FT)是以控制領域、計算機領域及OR(operations research)領域為中心進行研究的。模糊控制是把控制經驗方面的知識,記述在包含模糊集合的if-then規(guī)則中,并且用推理處理得出結果的一種方法。在財務預警中,危機與正常之間的關系往往是模糊的,這種模糊性既來自于危機與正常之間關系的不確定性,又來自于危機與正常在概念描述上的非精確性,因而預警結果也必然是模糊的。解決模糊診斷問題的傳統(tǒng)方法,一般是根據專家經驗在危機與正?？臻g與預警原因空間之間建立模糊關系矩陣,常用的方法是將各條模糊推理規(guī)則產生的模糊關系矩陣進行組合,用與邏輯或并邏輯。
隨著模糊理論的發(fā)展及完善,模糊理論的一些優(yōu)點逐步被重視,如模糊理論可適應不確定性問題;模糊知識庫使用語言變量來表述專家的經驗,更接近人的表達習慣;模糊理論能夠得到問題的多個可能的解決方案,并可以根據這些方案的模糊度的高低進行優(yōu)先程度排序等。財務危機預警中的不確定因素對于要求嚴格匹配搜索的專家系統(tǒng)來說,很容易導致錯誤的結果,在專家系統(tǒng)中融入模糊理論后,系統(tǒng)由精確推理變?yōu)榻仆评?在相當程度上會增強專家系統(tǒng)的容錯性。本系統(tǒng)采用模糊推理控制法,模糊推理控制法可用一個如圖2所示的神經網絡構成。圖2中e和P為模糊推理控制法的兩個輸入,NA,NB,NG等是e和P劃分的7個模糊集,可用三角型隸屬度函數Gauss表示,u′為總的輸出,Wi為第i個模糊規(guī)則對于輸出的作用權值,ui表示第i條模糊推理規(guī)則的隸屬度。 一般模糊神經網絡BP學習方法是一種建立和調整模糊推理的良好方法,但這種方法本質上是一種只考慮局部區(qū)域的梯度法,缺乏全局性,有可能僅優(yōu)化到局部極值部分,其調整的收斂性依賴于初始狀態(tài)的選擇。而遺傳算法是一種基于生物進化過程的隨機搜索的全局優(yōu)化方法,它通過交叉和變異大大減少了初始狀態(tài)的影響,使搜索得到最優(yōu)化結果而不停留在局部最小處。遺傳算法不僅可以優(yōu)化模糊神經推理系統(tǒng)的參數,而且可以優(yōu)化模糊神經推理的結構。使用遺傳算法可以修正冗余的隸屬度函數和網絡的節(jié)點數,以優(yōu)化模糊神經推理系統(tǒng)的結構。為了發(fā)揮GA算法和BP算法的長處,可用GA算法優(yōu)化具有全局性的參數和網絡結構,用BP算法調節(jié)和優(yōu)化具有局部性的參數。這樣,在GA算法作為一種離線訓練模糊神經推理法的情況下,用BP算法作為一種在線調節(jié)神經網絡的局部性參數的方法。這兩種方法綜合使用,可以大大提高模糊神經推理控制系統(tǒng)的自學習性能和魯棒性。對于圖2所示的模糊神經推理網絡,它的前提是部分采用了Gauss型的隸屬函數,其中心參數和寬度參數是全局性參數,可用遺傳算法來調整和優(yōu)化,而推理規(guī)則的結論部分中的權值具有局部性,所以可采用BP算法在線調節(jié)。這樣把兩種學習算法結合起來,取長補短,發(fā)揮各自的優(yōu)點。
經分析可知,基于規(guī)則推理和案例推理的財務危機預警方法,在公司財務數據準確、詳細、非量化因素影響少的情況下有較高的準確性,而在非量化因素影響大、財務數據不夠全面、準確的情況下則準確性較低。而基于模糊神經網絡的危機預警法則正好相反。因此,為了能夠在各種公司的不同情況下,都能較準確地對財務狀況進行判斷,有必要將兩者結合起來進行綜合判斷?；谛畔⑷诤霞夹g的預警方法就是將兩者獲得的結論和推理過程有機結合起來以獲得更準確的判斷結果。其結構如圖3所示。
為驗證上述基于專家系統(tǒng)的財務危機預警方法的準確性,本文選取了12家上市公司5年的財務數據和一些相關經營信息進行了預警分析。結果表明,在不考慮定性因素的影響下,基于規(guī)則推理和案例推理的定量預警方法,當數據庫中成功案例的數量大于43例后,其預警的準確性較以前的模型有一定的提高,且成功案例越多,案例特點與預警案例越接近,則準確性也越高。對定性預警方面,由于很難獲取公司該方面的全面信息,本文未作詳細驗證比較。通過上述分析可見,將其他專業(yè)的成功方法如專家系統(tǒng)、小波分析、信息融合等研究方法、技巧、思路引入到財務預警當中來,將非常有助于提高財務危機預警的成功率,并且這些方法也已經有了相關計算模塊,為借鑒和驗證提供了強有力的工具。
主要參考文獻
[1] 瞿天易. 利用現(xiàn)金流量綜合分析數據改進上市公司財務危機預警[J]. 華東經濟管理,2004,(8):169-171.
[2] 黃莉. 企業(yè)內部財務危機綜合模糊預警研究[D]. 武漢:華中科技大學,2005.
[3] 車曉娜. 財務危機預警模式[J]. 上海會計,2001,(11):53.
[4] 王士同,陳慧萍,趙躍華. 人工智能教程[M]. 北京:電子工業(yè)出版社,2001.
[5] 王耀南. 智能控制系統(tǒng)——模糊邏輯·專家系統(tǒng)·神經網絡控制[M]. 長沙:湖南大學出版社,2000.
