廖 陽

（廈門大學(xué) 管理學(xué)院,福建 廈門 361005）

1 拓展貝葉斯決策模型構(gòu)建

1.1 關(guān)鍵指標(biāo)確定

為了完成對(duì)上市公司的財(cái)務(wù)風(fēng)險(xiǎn)模型研究工作，我們首先需要確定關(guān)鍵指標(biāo)[1]過反復(fù)論證，我們最終選擇一下九個(gè)指標(biāo)作為關(guān)鍵指標(biāo)，它們依次為：營業(yè)收入、凈利潤、總資產(chǎn)、所有者權(quán)益合計(jì)(包含少數(shù)股東權(quán)益)、營業(yè)成本、銷售費(fèi)用、管理費(fèi)用、財(cái)務(wù)費(fèi)用、投資收益。由于研究對(duì)象為具有同樣性質(zhì)的企業(yè)，它們?cè)诰艂€(gè)具體指標(biāo)上的數(shù)據(jù)存在差異，無法進(jìn)行對(duì)應(yīng)的橫向比較，因此，我們采用標(biāo)準(zhǔn)化的方法，對(duì)其預(yù)處理。即采用某對(duì)象的某年的某個(gè)具體指標(biāo)數(shù)據(jù)除以該對(duì)象同年的總資產(chǎn)數(shù)據(jù)，得到標(biāo)準(zhǔn)化處理后的指標(biāo)項(xiàng)數(shù)據(jù)。

1.2 隸屬度模型構(gòu)建

按照模糊數(shù)學(xué)的理論，經(jīng)濟(jì)領(lǐng)域的各種指標(biāo)的發(fā)展不能用0或者1來衡量，而應(yīng)采用隸屬度函數(shù)[2]性處理。該函數(shù)具有性質(zhì)(1)：

說明：xi為第i個(gè)指標(biāo)項(xiàng)對(duì)應(yīng)的數(shù)據(jù)；φ(xi)為第i個(gè)指標(biāo)項(xiàng)取值xi時(shí)對(duì)應(yīng)的隸屬度；aj為第i個(gè)指標(biāo)項(xiàng)的“中點(diǎn)”。

考慮到上市公司發(fā)展的兩級(jí)性，ST公司、非ST公司。這兩類公司在業(yè)務(wù)發(fā)展中，各項(xiàng)指標(biāo)數(shù)據(jù)可能會(huì)在一個(gè)較大的數(shù)值區(qū)間內(nèi)變動(dòng)。因?yàn)闊o法限定其具體的變化區(qū)間，我們不妨將其指標(biāo)項(xiàng)數(shù)據(jù)取值區(qū)間延拓到整個(gè)實(shí)數(shù)軸上，即認(rèn)為任意一個(gè)指標(biāo)項(xiàng)X∈(-∞,+∞)，這樣我們就確定了指標(biāo)項(xiàng)的取值范圍。接下來，我們需要確定隸屬度的取值范圍，參照公式（1），我們知道隸屬度的取值范圍為φ(X)∈[0,1]。目前已知的函數(shù)族中，反正切函數(shù)是滿足這種取值與映射要求的?；谝陨侠碚摚覀冏灾鳂?gòu)建了符合上市公司發(fā)展特征的隸屬度函數(shù)，其具體形式如（2）：

說明：Xp代表具體的指標(biāo)數(shù)據(jù)；Lsd(Xp)代表該數(shù)據(jù)對(duì)應(yīng)的隸屬度；Xj代表同指標(biāo)下的所有數(shù)據(jù)，其數(shù)據(jù)總項(xiàng)數(shù)由m決定；api為對(duì)應(yīng)的i階貢獻(xiàn)系數(shù)，階數(shù)的取值范圍為i∈[0,l]；arctag代表反正切函數(shù)。

另一方面，就隸屬度而言，其具體的取值是由其自身數(shù)值的特性決定（3）：

說明：Xj代表具體對(duì)象的某個(gè)指標(biāo)在i年的數(shù)據(jù)；Zzci代表具體對(duì)象在i年的總資產(chǎn)；Rank為求序（正向序）函數(shù)，具體計(jì)算具體對(duì)象的某個(gè)指標(biāo)的相對(duì)權(quán)重（）在整個(gè)時(shí)間序列中的排位。

結(jié)合公式（2）與公式（3）我們即可確定具體對(duì)象的某個(gè)指標(biāo)項(xiàng)的隸屬度關(guān)系，具體參見（4）：

從公式（4）可以看出，目前還需確定的參數(shù)只有每一階的貢獻(xiàn)系數(shù)（api）和總的階數(shù)（l）。

對(duì)于這兩個(gè)未知參數(shù)，我們對(duì)公式(4)先進(jìn)行正切變化，得到（5）：

對(duì)于公式(5)，我們利用計(jì)量經(jīng)濟(jì)的分析方法，采用最小二乘法進(jìn)行回歸分析，即可確定在一定的置信度范圍內(nèi)的最佳階數(shù)（l）和對(duì)應(yīng)的每一階的最佳貢獻(xiàn)系數(shù)（api）。

完成上述隸屬度函數(shù)的確定后，我們就可以確定概率與條件概率的具體數(shù)值。

1.3 概率空間的分解

對(duì)于每一個(gè)指標(biāo)，我們可以將其所在的空間劃分為任意個(gè)不相交的子空間[3]，其劃分方法具體見（6）：

說明：Xp代表具體的某個(gè)指標(biāo)數(shù)據(jù)；代表由某個(gè)指標(biāo)數(shù)據(jù)決定的子概率空間；代表子概率空間的第i個(gè)子概率空間；w代表對(duì)子概率空間的平均劃分?jǐn)?shù)量。

利用公式(6)的劃分方法，我們可以將整個(gè)概率空間劃分為7個(gè)一級(jí)概率子空間和對(duì)應(yīng)的若干個(gè)二級(jí)概率子空間，其具體劃分方法如（7）：

通過論證，我們即確定了對(duì)一個(gè)概率空間的具體劃分，下面我們將采用這種劃分方法進(jìn)行貝葉斯概率確定。

1.4 貝葉斯概率確定

在此，我們將采用前述的分析方法，來確定貝葉斯概率[4]公式的具體實(shí)現(xiàn)。按照貝葉斯概率公式，有公式（8）成立：

說明：P(B1|A1)代表事件A1發(fā)生時(shí)，事件B1發(fā)生的概率；P(A1|Bi)代表事件Bi發(fā)生時(shí)，事件A1發(fā)生的概率；P(Bi)代表事件Bi發(fā)生的概率。

針對(duì)該公式，以及前述的概率空間劃分，我們就可以得到針對(duì)上市公司的風(fēng)險(xiǎn)概率模型，其具體表述如（9）：

利用該公式，我們即可確定在不同的隸屬度情形下的事件發(fā)生的概率，具體說來就是確定不同的指標(biāo)情形下的公司財(cái)務(wù)風(fēng)險(xiǎn)概率。

2 實(shí)證研究

2.1 基于關(guān)鍵指標(biāo)的基礎(chǔ)調(diào)研與宏觀分析

在此，我們就實(shí)證對(duì)象的選取以及具體的指標(biāo)數(shù)據(jù)選取進(jìn)行確定，并在此基礎(chǔ)上展開對(duì)應(yīng)的基礎(chǔ)調(diào)研與宏觀分析。

在此，我們選定了在國內(nèi)上市的35家云計(jì)算類型企業(yè)中的12家作為實(shí)證對(duì)象展開研究，這12家企業(yè)的股票代碼依次為：600756、600770、600797、600804、600850、000021、 000063、 000066、 000070、 000836、 000938、000977。與此同時(shí)，我們確定了9個(gè)指標(biāo)項(xiàng)作為測度項(xiàng)，它們依次為：營業(yè)收入、凈利潤、總資產(chǎn)、所有者權(quán)益合計(jì)(包含少數(shù)股東權(quán)益)、營業(yè)成本、銷售費(fèi)用、管理費(fèi)用、財(cái)務(wù)費(fèi)用、投資收益。

通過查閱相關(guān)資料，我們確定了調(diào)查的時(shí)間范圍為2001年1季度至2012年3季度，對(duì)于上述企業(yè)，取自在該時(shí)間段內(nèi)的最長可行時(shí)間范圍展開調(diào)查。通過深入調(diào)研，我們最終確定了上述對(duì)象在2001年1季度至2012年3季度的9個(gè)關(guān)鍵指標(biāo)的具體數(shù)據(jù)。由于數(shù)據(jù)量較大，無法一一展示，現(xiàn)僅對(duì)其中的關(guān)鍵數(shù)據(jù)進(jìn)行隸屬度變化展示。隸屬度的具體計(jì)算采用公式（3）的計(jì)算方法。由此，我們將這12家企業(yè)的隸屬度變化分圖展示，具體見圖1、圖2所示。

圖1 營業(yè)收入隸屬度變化圖

從圖1中可以看出，股票代碼為000021、000063、000066的離散營業(yè)收入隸屬度呈現(xiàn)穩(wěn)步下行的趨勢，而股票代碼為000070、000836、000938的離散營業(yè)收入隸屬度則呈現(xiàn)出類似[0,π]區(qū)間的正弦函數(shù)變化，其變化規(guī)律類似于倒置的V字形。最高峰出現(xiàn)在發(fā)展中期，最低峰則出現(xiàn)在發(fā)展初期和發(fā)展末期。

圖2 營業(yè)收入隸屬度變化

從圖2中可以看出，股票代碼為600797、600770、600804、600850、600756的離散營業(yè)收入隸屬度呈現(xiàn)出平穩(wěn)發(fā)展的態(tài)勢，股票代碼為000977的應(yīng)用隸屬度則呈現(xiàn)出小幅波動(dòng)式下行的發(fā)展態(tài)勢。

通過上述宏觀分析，我們只能單個(gè)分析其變化形態(tài)，對(duì)于每種指標(biāo)對(duì)應(yīng)的對(duì)總體指標(biāo)的影響方式和影響強(qiáng)度等深入問題，是無法通過宏觀分析得到的。下面，我們就采用前述自主構(gòu)建的模型分析框架進(jìn)行深入研究。

2.2 針對(duì)關(guān)鍵指標(biāo)的隸屬度計(jì)量模型構(gòu)建

在此我們針對(duì)前述確定的研究對(duì)象在2001年1季度至2012年3季度的關(guān)鍵指標(biāo)數(shù)據(jù)進(jìn)行隸屬度計(jì)量模型[5,6]構(gòu)造。由于總資產(chǎn)已經(jīng)作為對(duì)數(shù)據(jù)均一化處理的指標(biāo)數(shù)據(jù)，故在此不再對(duì)其進(jìn)行隸屬度模型構(gòu)建。由此，我們進(jìn)行了八個(gè)指標(biāo)的隸屬度模型構(gòu)建，這八個(gè)指標(biāo)依次為：營業(yè)收入、凈利潤、所有者權(quán)益合計(jì)(包含少數(shù)股東權(quán)益)、營業(yè)成本、銷售費(fèi)用、管理費(fèi)用、財(cái)務(wù)費(fèi)用、投資收益。

考慮到文章篇幅所限，在此將八個(gè)模型歸一為一個(gè)模型表出，具體公式（10）：

說明：矩陣A的第一行至第八行的數(shù)據(jù)依次為：營業(yè)收入的分階貢獻(xiàn)系數(shù)、凈利潤的分階貢獻(xiàn)系數(shù)、所有者權(quán)益合計(jì)(包含少數(shù)股東權(quán)益的分階貢獻(xiàn)系數(shù)、營業(yè)成本的分階貢獻(xiàn)系數(shù)、銷售費(fèi)用的分階貢獻(xiàn)系數(shù)、管理費(fèi)用的分階貢獻(xiàn)系數(shù)、財(cái)務(wù)費(fèi)用的分階貢獻(xiàn)系數(shù)、投資收益的分階貢獻(xiàn)系數(shù)。

上述模型公式（10）所對(duì)應(yīng)的可決系數(shù)與調(diào)整后的可決系數(shù)均在0.95之上，因此我們認(rèn)為上述模型在統(tǒng)計(jì)學(xué)意義上是顯著的、可信的。由于該模型必須與后續(xù)的風(fēng)險(xiǎn)研究結(jié)合使用才能體現(xiàn)出功能，在此我們不再對(duì)其進(jìn)行深入的論述。由此我們就確定了不同指標(biāo)的隸屬度模型。下面，我們就利用該模型進(jìn)行對(duì)應(yīng)的財(cái)務(wù)風(fēng)險(xiǎn)研究。

2.3 基于隸屬度模型展開的財(cái)務(wù)風(fēng)險(xiǎn)研究

在此，我們就采用前述研究成果進(jìn)行財(cái)務(wù)風(fēng)險(xiǎn)[7]研究。這里所說的財(cái)務(wù)風(fēng)險(xiǎn)是指基于歷史發(fā)展情形下，該公司以凈利潤為考核的隸屬度數(shù)據(jù)。具體地說，就是以上一年的各項(xiàng)指標(biāo)（被總資產(chǎn)歸一化處理后的各項(xiàng)指標(biāo)）所歸屬的不同的概率空間的前提下，得到的次年的凈利潤隸屬度數(shù)值（即對(duì)應(yīng)的概率）?；谶@一想法，我們采用前述研究中的公式（9）進(jìn)行凈利潤隸屬度研究。整個(gè)實(shí)證研究過程完全按照前述的模型框架展開，在此不再贅述。將整體計(jì)算結(jié)果匯總，如表1所示。

從表 1可以清晰地看出，600756、600770、600797、600804、600850的凈利潤隸屬度均穩(wěn)定在0.4左右，不會(huì)發(fā)生較大起伏。這說明上述五家企業(yè)次年的財(cái)務(wù)風(fēng)險(xiǎn)保持在一個(gè)較低的水平，不會(huì)發(fā)生重大問題。同時(shí)，我們也看到，000021、000063、000066的凈利潤隸屬度的歸屬區(qū)間基本為0.1附近，這說明上述3家公司的財(cái)務(wù)風(fēng)險(xiǎn)保持在一個(gè)較高的水平，需要高度關(guān)注，防止風(fēng)險(xiǎn)的擴(kuò)大化、惡性化。同時(shí)，我們還看到，000070、000836、000938這三家企業(yè)的凈利潤隸屬度呈現(xiàn)出以區(qū)間[0.4,0.5]為中心的類正態(tài)分布特性，在其左右兩側(cè)為對(duì)稱性分布。這說明這三家企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)具有一定程度的波動(dòng)性和突變型，需要有相應(yīng)的財(cái)務(wù)預(yù)防措施，以防財(cái)務(wù)風(fēng)險(xiǎn)的突變和波動(dòng)發(fā)生。最后，我們看到，000977的凈利潤隸屬度呈現(xiàn)以區(qū)間[0.4,0.5]為最高點(diǎn)的左單側(cè)遞減性特征，在區(qū)間[0,0.1]達(dá)到其左側(cè)的最低值，在區(qū)間[0.4,0.5]的右側(cè)則具有離散間斷落地性。這說明，000977的凈利潤隸屬度只可能逐步降低，不會(huì)逐步提高。也就是說，000977的財(cái)務(wù)風(fēng)險(xiǎn)只可能加劇，不可能改善。且其財(cái)務(wù)風(fēng)險(xiǎn)加劇的概率是逐步降低的。對(duì)于該企業(yè)必須在機(jī)制內(nèi)部尋找原因，以便突破其現(xiàn)有的發(fā)展“陷阱”，提升該企業(yè)的平穩(wěn)、安全、快速的自我循環(huán)能力。

表1 以凈利潤考核的財(cái)務(wù)風(fēng)險(xiǎn)隸屬度歸屬表

3 結(jié)論

我們將模糊數(shù)學(xué)中的隸屬度理論應(yīng)用到此次研究中，通過自主構(gòu)建了符合企業(yè)發(fā)展的隸屬度模型，實(shí)現(xiàn)了對(duì)關(guān)鍵指標(biāo)的離散轉(zhuǎn)連續(xù)化處理，并基于該模型進(jìn)行了企業(yè)發(fā)展的概率空間的有效正交分解，從而將理論計(jì)算中的貝葉斯決策模型成功地拓展到實(shí)證企業(yè)發(fā)展風(fēng)險(xiǎn)研究中。之后，基于前述研究自主構(gòu)建的理論模型，展開了實(shí)證研究。實(shí)證研究的對(duì)象為國內(nèi)上市的云計(jì)算類企業(yè)，通過基礎(chǔ)調(diào)研獲取了研究所需的基礎(chǔ)資料，并針對(duì)這些基礎(chǔ)資料進(jìn)行對(duì)應(yīng)的宏觀分析。在此基礎(chǔ)上，將理論研究模型有效地應(yīng)用于實(shí)證研究對(duì)象，得出了具體的風(fēng)險(xiǎn)研究結(jié)果。選定的實(shí)證對(duì)象的財(cái)務(wù)風(fēng)險(xiǎn)主要為三種，它們依次為：風(fēng)險(xiǎn)平穩(wěn)型、風(fēng)險(xiǎn)惡化型、風(fēng)險(xiǎn)波動(dòng)型。風(fēng)險(xiǎn)平穩(wěn)型主要是指企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)處于一個(gè)相對(duì)恒定的區(qū)間，且該區(qū)間對(duì)應(yīng)的風(fēng)險(xiǎn)值較低。風(fēng)險(xiǎn)惡化型主要是指企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)處于一個(gè)相對(duì)穩(wěn)定的區(qū)間，且該區(qū)間的風(fēng)險(xiǎn)值較高。風(fēng)險(xiǎn)波動(dòng)型主要是指企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)不在處于一個(gè)穩(wěn)定的區(qū)間，變化幅度較大，且區(qū)間跨越性較顯著。針對(duì)這三類不同風(fēng)險(xiǎn)類型的企業(yè)，我們提出了三種不同的風(fēng)險(xiǎn)預(yù)警與處理措施。針對(duì)風(fēng)險(xiǎn)波動(dòng)型企業(yè)要增加企業(yè)的風(fēng)險(xiǎn)流動(dòng)資金，并啟動(dòng)風(fēng)險(xiǎn)應(yīng)急處理機(jī)制展開對(duì)應(yīng)的處理。針對(duì)風(fēng)險(xiǎn)平穩(wěn)型企業(yè)要增加企業(yè)的深入發(fā)展力度，推動(dòng)企業(yè)的快速發(fā)展，針對(duì)風(fēng)險(xiǎn)惡化型企業(yè)，要對(duì)其展開實(shí)時(shí)監(jiān)控，并啟動(dòng)最高級(jí)別的風(fēng)險(xiǎn)處理機(jī)制，防止企業(yè)發(fā)展中出現(xiàn)極端甚至是崩潰現(xiàn)象的發(fā)生。通過上述實(shí)證分析，我們不僅形成了自主的風(fēng)險(xiǎn)預(yù)測管理模型，還基于該模型得到了有效的分析結(jié)果與解決對(duì)策。這一系列結(jié)果，是此次研究的最大收獲。

[1]黃福寧,聞岳春.影響創(chuàng)業(yè)板市場運(yùn)營的關(guān)鍵要素——以AIM市場為例的研究[J].經(jīng)濟(jì)管理,2011,(8).

[2]Dan E.Tamir,Lu Jin,Abraham Kandel.A New Interpretation of Complex Membership Grade[J].International Journal of Intelligent Systems,2011,26(4).

[3]Deok-Soo Kim,Joonghyun.Beta-decomposition for the Volume and Area of the Union of Three-dimensional Balls and Their Offsets[J].Journal of Computational Chemistry,2012,33(15).

[4]David Birkes,Yadolah Dodge.Bayesian Regression[Z].Alternative Methods of Regression,2011.

[5]沈悅,李善燊,馬續(xù)濤.VAR宏觀計(jì)量經(jīng)濟(jì)模型的演變與最新發(fā)展——基于2011年諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)得主Smis研究成果的拓展脈絡(luò)[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究,2012,(10).

[6]王裕雄,肖海峰.實(shí)證數(shù)學(xué)規(guī)劃模型在農(nóng)業(yè)政策分析中的應(yīng)用——兼與計(jì)量經(jīng)濟(jì)學(xué)模型的比較[J].農(nóng)業(yè)技術(shù)經(jīng)濟(jì),2012,(7).

[7]張海波,陳紅.人民幣匯率風(fēng)險(xiǎn)度量研究——基于不同持有期的VaR分析[J].宏觀經(jīng)濟(jì)研究,2012,(12).