摘 要：財(cái)務(wù)失敗預(yù)警系統(tǒng)是企業(yè)防范財(cái)務(wù)失敗的重要手段之一。運(yùn)用粗糙集這一新的數(shù)據(jù)挖掘技術(shù)，通過(guò)知識(shí)依賴度對(duì)指標(biāo)屬性進(jìn)行約簡(jiǎn)，賦予客觀權(quán)重；通過(guò)主客觀權(quán)重加權(quán)構(gòu)建綜合評(píng)判式，即企業(yè)財(cái)務(wù)失敗預(yù)警模型。

關(guān)鍵詞：財(cái)務(wù)失??；預(yù)警系統(tǒng)；粗糙集；知識(shí)約簡(jiǎn)

中圖分類號(hào)：Ｆ275文獻(xiàn)標(biāo)識(shí)碼：Ａ文章編號(hào)：１００６－３５４４（２００8）０4－００42－03

財(cái)務(wù)失敗又稱財(cái)務(wù)困境，當(dāng)一個(gè)企業(yè)無(wú)能力履行合同、按時(shí)支付債權(quán)人利息和償還本金時(shí)，該企業(yè)就面臨財(cái)務(wù)失敗 [1] 。通過(guò)建立財(cái)務(wù)失敗預(yù)警系統(tǒng)，企業(yè)決策者可隨時(shí)關(guān)注財(cái)務(wù)狀況，適時(shí)、有效地采取相應(yīng)對(duì)策防止或化解財(cái)務(wù)失敗。目前，財(cái)務(wù)失敗預(yù)警的方法很多，主要有統(tǒng)計(jì)方法和人工智能方法。傳統(tǒng)的統(tǒng)計(jì)方法包括Z評(píng)分法 [2] 、判別分析法 [3] 、主成分分析法 [4] 等； 人工智能在財(cái)務(wù)失敗預(yù)警中的應(yīng)用愈來(lái)愈多，主要包括模糊綜合評(píng)價(jià)方法 [5] 、人工神經(jīng)網(wǎng)絡(luò)方法 [6] 和支持向量機(jī) [7] 方法。本文嘗試應(yīng)用新近發(fā)展起來(lái)的粗糙集理論這一數(shù)據(jù)挖掘技術(shù)，給出一種新的企業(yè)失敗預(yù)警系統(tǒng)的方法。

一、基于粗糙集的財(cái)務(wù)失敗預(yù)警系統(tǒng)構(gòu)建

（一）粗糙集理論基礎(chǔ)

1982年，波蘭數(shù)學(xué)家Z. Pawlak提出了一種新的處理模糊、 不完整、 不確定性知識(shí)的數(shù)據(jù)分析理論——粗集理論。該理論的主要思想就是在保持分類能力不變的前提下，通過(guò)知識(shí)約簡(jiǎn)，導(dǎo)出問(wèn)題的決策或分類規(guī)則 [8] 。在粗集中，稱研究對(duì)象組成的非空有限集為論域，記為U={x1，x2，…，xn}。U的任何子集X稱為U的一個(gè)概念或范疇。U上的任何概念族稱為關(guān)于U的知識(shí)。粗集理論研究的對(duì)象主要是那些能在U上形成劃分的知識(shí)。一個(gè)劃分Z 定義為：

Z={X1，X2，…，Xm}

其中，Xi?奐U，Xi≠Φ，∪Xi=U，Xi∩Xj=Φ（i，j=1，2，…，m；i≠j）。U上的一個(gè)劃分在粗集理論中通常稱為等價(jià)關(guān)系或不可分辨關(guān)系，記為U/ind（R），簡(jiǎn)記為U/R，它實(shí)際上就是將各個(gè)對(duì)象個(gè)體按照一定的分類標(biāo)準(zhǔn)劃歸于同一類。通常，粗集理論處理的往往不是一個(gè)單獨(dú)的劃分，而是論域U的劃分族，U上的一族劃分也稱為關(guān)于U的一個(gè)知識(shí)庫(kù)，記為K=（U，R）。

知識(shí)約簡(jiǎn)是粗集理論的核心內(nèi)容之一。 所謂知識(shí)約簡(jiǎn)就是在知識(shí)庫(kù)分類能力不變的條件下， 刪除其中不相關(guān)或不重要的冗余知識(shí)。 對(duì)于K=（U，R），R∈R，如果U/ind（R）=U/ind（R-{R}），則稱R在R中不必要；否則稱R在R中必要。如果每一個(gè)R∈R都為R中必要， 則稱R為獨(dú)立的； 否則稱R為依賴的。 對(duì)于K=（U，R），P?哿R，若P是獨(dú)立的，且U/ind（P）=U/ind（R），則稱P為R的一個(gè)約簡(jiǎn)。顯然，R可以有多個(gè)約簡(jiǎn)。實(shí)際應(yīng)用中，一個(gè)分類相對(duì)于另一個(gè)分類的關(guān)系十分重要。 令P和Q為U中的兩個(gè)等價(jià)關(guān)系族，Q的P正域記為posP（Q），即

其中，X?哿U，PX為X的下近似集，PX=∪{ Y∈U/ind（P）│Y?哿X}。

如果有R∈P，且posP（Q））=pos（P-{R}）（Q），則稱R為P中Q不必要；否則稱R為P中Q必要。如果P中每個(gè)R都為Q必要，則稱P為Q獨(dú)立的。對(duì)于知識(shí)庫(kù)K=（U，R），且P，Q?哿R，Q對(duì)P的依賴度定義為

k=γP（Q）=│posP（Q）│/│U│

其中， │·│表示集合的基數(shù)。 很明顯，0≤k≤1。當(dāng)k=1時(shí)，稱Q完全依賴于P；當(dāng)0

（二）基于粗糙集的財(cái)務(wù)失敗預(yù)警系統(tǒng)

任何一個(gè)決策支持系統(tǒng)都是建立在知識(shí)表達(dá)系統(tǒng)基礎(chǔ)之上的。 設(shè)已知企業(yè)財(cái)務(wù)失敗預(yù)警知識(shí)表達(dá)系統(tǒng)如表1所示，其中，E1、E2、…、En表示n個(gè)經(jīng)驗(yàn)方案；C1、C2、…、Ct表示用以預(yù)警的t個(gè)財(cái)務(wù)失敗預(yù)警指標(biāo)， 它們構(gòu)成了知識(shí)表達(dá)系統(tǒng)的條件屬性集C；D1、D2、…、Dn表示這n個(gè)經(jīng)驗(yàn)方案的財(cái)務(wù)失敗狀況，它們構(gòu)成了知識(shí)表達(dá)系統(tǒng)的決策屬性集D；xij表示第i個(gè)經(jīng)驗(yàn)方案第j個(gè)條件屬性值，i=1，2，…，n；j=1，2，…，t。通常，要求n>t，且n越大，表示知識(shí)庫(kù)越充足，結(jié)果越客觀準(zhǔn)確。

利用粗糙集理論建立企業(yè)財(cái)務(wù)失敗預(yù)警系統(tǒng)的基本步驟如下：

Step1：給出科學(xué)合理的財(cái)務(wù)失敗預(yù)警指標(biāo)體系組成條件屬性集；

Step2：尋求企業(yè)往年或其他若干同類企業(yè)的財(cái)務(wù)失敗預(yù)警指標(biāo)值及對(duì)應(yīng)的財(cái)務(wù)失敗狀況， 構(gòu)建財(cái)務(wù)失敗預(yù)警知識(shí)表達(dá)系統(tǒng)；

Step3：通過(guò)恰當(dāng)?shù)亩ㄐ苑椒楦鱾€(gè)財(cái)務(wù)失敗預(yù)警指標(biāo)進(jìn)行定性；

Step4：通過(guò)粗糙集中的知識(shí)依賴度理論得出決策屬性對(duì)各指標(biāo)的依賴關(guān)系，約簡(jiǎn)冗余指標(biāo)，獲得決策屬性對(duì)剩余指標(biāo)的依賴度；

Step5：創(chuàng)建恰當(dāng)?shù)闹R(shí)決策模型，為今后的財(cái)務(wù)失敗預(yù)警提供依據(jù)。

其中，建立一個(gè)科學(xué)的知識(shí)決策模型是財(cái)務(wù)失敗預(yù)警系統(tǒng)的關(guān)鍵，也是其最終表述形式。依據(jù)知識(shí)的依賴度理論，有決策屬性集D對(duì)條件屬性集C的依賴度為：k=γC（D）=│posC（D）│/│U│。

此處s個(gè)屬性規(guī)定為同向變化，即要么都取最大值時(shí)最優(yōu)，要么都取最小值時(shí)最優(yōu)。

二、財(cái)務(wù)失敗預(yù)警實(shí)例分析

預(yù)警指標(biāo)選擇了銷售利潤(rùn)率、資產(chǎn)負(fù)債率、流動(dòng)比率、速動(dòng)比率、存貨周轉(zhuǎn)率和社會(huì)貢獻(xiàn)率等6個(gè)常用的財(cái)務(wù)指標(biāo)， 由某石油公司下屬的12家企業(yè)的財(cái)務(wù)失敗預(yù)警狀況構(gòu)成了經(jīng)驗(yàn)方案集， 采用模糊模式識(shí)別方法對(duì)各指標(biāo)進(jìn)行定性分析， 得到知識(shí)表達(dá)系統(tǒng)如表2所示。

由于流動(dòng)比率和速動(dòng)比率指標(biāo)屬性完全一致，可首先約簡(jiǎn)其中之一，如速動(dòng)比率C4。通過(guò)計(jì)算，有：

所以D對(duì)Ci的依賴度依次為：kC1=σCD（C1）=10/12-8/12=2/12，kC2=1/12，kC3=4/12，kC5=2/12，四個(gè)指標(biāo)的約簡(jiǎn)權(quán)重為：wC1=2/（2+1+4+2）=2/9，wC2=1/9，wC3=4/9，wC5=2/9。

已知應(yīng)用主觀的方法賦予原先五個(gè)指標(biāo)的權(quán)重依次為：10%，35%，35%，10%，10%， 去掉社會(huì)貢獻(xiàn)率指標(biāo)， 得到歸一化的主觀權(quán)重為2/18，7/18，7/18，2/18。給定主觀權(quán)重的權(quán)重為0.4，則各指標(biāo)的復(fù)合權(quán)重依次為： 銷售利潤(rùn)率p1=0.4×2/18+0.6×2/9≈0.18，資產(chǎn)負(fù)債率p2=0.4×7/18+0.6×1/9≈0.22，流動(dòng)比率p3=0.4×7/18+0.6×4/9≈0.42，存貨周轉(zhuǎn)率p4=0.4×2/18+0.6×2/9≈0.18

綜合評(píng)判式為：Z=0.18x1+0.22x2+0.42x3+0.18x4。應(yīng)用該評(píng)判式得到12家企業(yè)的綜合評(píng)價(jià)值見(jiàn)表3?？沙醪脚卸ǎ寒?dāng)綜合評(píng)價(jià)值低于0.58時(shí)，企業(yè)需財(cái)務(wù)預(yù)警；高于0.58時(shí)，企業(yè)無(wú)需財(cái)務(wù)預(yù)警。

三、結(jié)論

以企業(yè)財(cái)務(wù)失敗預(yù)警指標(biāo)知識(shí)表達(dá)系統(tǒng)為基礎(chǔ)，運(yùn)用粗糙集這一新的數(shù)據(jù)挖掘技術(shù)， 對(duì)若干財(cái)務(wù)指標(biāo)進(jìn)行約簡(jiǎn)， 進(jìn)而兼顧客觀實(shí)際和主觀因素的雙重影響，構(gòu)建財(cái)務(wù)失敗預(yù)警綜合評(píng)判式，以此構(gòu)成財(cái)務(wù)失敗預(yù)警模型。 該理論體系完備， 應(yīng)用簡(jiǎn)單方便，是適合“大樣本，多指標(biāo)”的一種較好的方法，為企業(yè)財(cái)務(wù)失敗預(yù)警提供了新的思路。

參考文獻(xiàn)：

［1］王化成. 高級(jí)財(cái)務(wù)管理學(xué)［M］. 北京: 中國(guó)人民大學(xué)出版社， 2003.

［2］Altman EI， Haldeman R. Zeta analysis: a new model to identify bankruptcy risk of corporations ［J］. Journal of Banking and Fi-nance， 1977 （9）: 29-54.

［3］周首華，楊濟(jì)華， 王平. 論財(cái)務(wù)危機(jī)的預(yù)警分析——F分?jǐn)?shù)模式［J］. 會(huì)計(jì)研究，1996 （8）:8-11.

［4］劉紅霞， 張心林. 以主成分分析法構(gòu)建企業(yè)財(cái)務(wù)危機(jī)預(yù)警模型［J］. 中央財(cái)經(jīng)大學(xué)學(xué)報(bào)， 2004 （4）: 70-75.

［5］田高良， 王曉強(qiáng)， 趙紅建. 企業(yè)財(cái)務(wù)預(yù)警方法評(píng)析［J］. 預(yù)測(cè)， 2002，21（6）: 23-27.

［6］楊保安， 季海. 基于人工神經(jīng)網(wǎng)絡(luò)的商業(yè)銀行貸款風(fēng)險(xiǎn)預(yù)警研究［J］. 系統(tǒng)工程理論與實(shí)踐， 2001（5）: 70-74.

［7］張?jiān)谛瘢?宋杰鯤， 張宇. 一種基于支持向量機(jī)的企業(yè)財(cái)務(wù)危機(jī)預(yù)警新模型［J］. 中國(guó)石油大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2006， 30（4）: 132-136.

［8］張文修，吳偉志，梁吉杰等. 粗糙集理論與方法［M］. 北京: 科學(xué)出版社，2003.

［9］韓敏. 基于粗糙集定權(quán)的經(jīng)銷商績(jī)效評(píng)價(jià)算法研究［J］. 微計(jì)算機(jī)信息，2007（18）: 151-152.

（責(zé)任編輯：龍會(huì)芳；校對(duì)：李巧莎）