河南工業(yè)貿(mào)易職業(yè)學(xué)院 趙連燈

一、引言

企業(yè)的經(jīng)營目的在于獲取利潤，發(fā)展自身經(jīng)營和管理能力，并逐步壯大發(fā)展，創(chuàng)造更大的盈利。企業(yè)想要高效運轉(zhuǎn)并獲得可觀收益，必須要有危機(jī)意識和風(fēng)險意識，其中財務(wù)風(fēng)險意識尤其值得注意。根據(jù)復(fù)旦大學(xué)相關(guān)研究成果可知，在使用國際通用會計準(zhǔn)則進(jìn)行財務(wù)審計時，中國的上市公司78%存在財務(wù)問題，存在明顯的財務(wù)風(fēng)險。根據(jù)我國國情而降低標(biāo)準(zhǔn)，30%的上市公司財務(wù)問題仍然嚴(yán)重，可見我國企業(yè)財務(wù)方面有待進(jìn)一步改進(jìn)，總體而言，我國企業(yè)的財務(wù)風(fēng)險較大。

企業(yè)財務(wù)風(fēng)險較大不僅不利于企業(yè)自身的發(fā)展，也不利于相關(guān)利益者，從財務(wù)數(shù)據(jù)中發(fā)掘出對企業(yè)財務(wù)風(fēng)險有益的信息已成為許多企業(yè)面對的一個挑戰(zhàn)。而數(shù)據(jù)挖掘技術(shù)有利于企業(yè)的財務(wù)診斷，對企業(yè)財務(wù)風(fēng)險的降低作用巨大，它是一種基于人工智能和統(tǒng)計學(xué)及數(shù)據(jù)庫的商業(yè)信息處理技術(shù)，從財務(wù)數(shù)據(jù)中提取提煉并自動進(jìn)行分析，做出總結(jié)歸納，提出相關(guān)解決辦法，從而幫助企業(yè)管理層做出市場戰(zhàn)略策略，有效地降低其做出的戰(zhàn)略的風(fēng)險。財務(wù)數(shù)據(jù)是企業(yè)財務(wù)運行的基礎(chǔ)，也是財務(wù)風(fēng)險的來源之一，運用數(shù)據(jù)挖掘技術(shù)對財務(wù)數(shù)據(jù)進(jìn)行診斷分析，能夠從中找出企業(yè)存在的財務(wù)問題，提出有效的財務(wù)風(fēng)險預(yù)警措施以幫助企業(yè)穩(wěn)步經(jīng)營。近年來數(shù)據(jù)挖掘技術(shù)是數(shù)據(jù)庫方面的研究熱點，很多領(lǐng)域已經(jīng)開始實際運用。

本文研究數(shù)據(jù)挖掘在財務(wù)診斷中的運用，主要研究數(shù)據(jù)挖掘技術(shù)在財務(wù)診斷、信息預(yù)警和財務(wù)診斷方案策劃決策等三個過程中的應(yīng)用，建立準(zhǔn)確有效的數(shù)據(jù)模型來指導(dǎo)實際的財務(wù)工作，能夠預(yù)測出企業(yè)財務(wù)風(fēng)險程度并提出財務(wù)風(fēng)險預(yù)警，便于企業(yè)及時地掌握財務(wù)狀況和經(jīng)營狀況，適時調(diào)整企業(yè)財務(wù)戰(zhàn)略，提高企業(yè)經(jīng)濟(jì)效益。因此，數(shù)據(jù)挖掘在財務(wù)診斷中的應(yīng)用，無論在理論上還是實踐上，都有其重要意義。

二、文獻(xiàn)綜述

數(shù)據(jù)挖掘分析有關(guān)聯(lián)分析、序列模式、聚類等方法，這方面的研究總體上成果豐碩。國外的數(shù)據(jù)挖掘分析方法發(fā)展比較成熟，有大量財務(wù)風(fēng)險方面的著作，其研究主要在于財務(wù)風(fēng)險預(yù)警模型的構(gòu)建。國內(nèi)的證券市場發(fā)展不成熟，缺乏理性的投資者，對數(shù)據(jù)挖掘分析方法研究少，主要集中在建立數(shù)學(xué)預(yù)測模型。

（一）國外研究現(xiàn)狀Beaver（1958）提出了單變量模型。他對80家經(jīng)營公司進(jìn)行一元判定預(yù)測，使用了28個財務(wù)比率作為變量。Altman（1968）在財務(wù)風(fēng)險預(yù)警領(lǐng)域引入了多元線性判別方法，創(chuàng)立了Z值模型。Altman、Haldeman（1980）又提出了一種優(yōu)于Z模型的ZETA模型，其更能準(zhǔn)確預(yù)測企業(yè)財務(wù)風(fēng)險。Ohlson（1990）以95家經(jīng)營失敗的公司為基礎(chǔ)，運用Logistic回歸進(jìn)行財務(wù)預(yù)警模型的建立。結(jié)果表明，與企業(yè)財務(wù)風(fēng)險緊密相關(guān)的因素有企業(yè)的規(guī)模大小、財務(wù)結(jié)構(gòu)、經(jīng)營績效、流動性四個方面。Fyaber（1989）運用神經(jīng)網(wǎng)絡(luò)模型，進(jìn)行對銀行的首次信用風(fēng)險預(yù)測。Eichengreen（1998）研究表明財務(wù)模型研究有危機(jī)管理和財務(wù)危機(jī)預(yù)警等。

（二）國內(nèi)研究現(xiàn)狀 李一軍、金世偉（2006）在模糊聚類分析方法的基礎(chǔ)上，使用KPI財務(wù)指標(biāo)，對上市公司進(jìn)行相關(guān)分析，并在投資決策的制定時輔助性地使用到其研究結(jié)果。郭春陣（2005）運用三類挖掘分析方法——聚類、關(guān)聯(lián)規(guī)則、決策樹方法，綜合分析，構(gòu)建了財務(wù)報表分析模型。呂澄、易艷紅（2006）研究數(shù)據(jù)挖掘在財務(wù)分析中的可行性，說明在財務(wù)分析運用數(shù)據(jù)挖掘技術(shù)時，XBRL語言有著有效的作用。齊中華、黃麗娜（2010）使用EXCEL實現(xiàn)了模糊聚類的數(shù)據(jù)分析，運用上市公司財務(wù)數(shù)據(jù)，說明了數(shù)據(jù)挖掘在財務(wù)分析中有巨大作用。張星文、梁戈夫（2006）研究發(fā)現(xiàn)財務(wù)危機(jī)預(yù)警的研究進(jìn)展很大，企業(yè)在財務(wù)管理中已經(jīng)使用到大量的模型，如人工神經(jīng)網(wǎng)絡(luò)模型和logit回歸模型等。馮征（2007）提出了基于智能計算機(jī)的數(shù)據(jù)挖掘方法，且可用于上市公司的財務(wù)預(yù)警。

三、應(yīng)用數(shù)據(jù)挖掘的財務(wù)診斷體系

（一）應(yīng)用數(shù)據(jù)挖掘的財務(wù)診斷體系流程 數(shù)據(jù)挖掘是基于財務(wù)比率分析、杜邦分析等模型運用于財務(wù)分析、預(yù)警及決策中，并進(jìn)行財務(wù)診斷。故財務(wù)診斷不僅是對財務(wù)報表的分析，從系統(tǒng)的角度可以將財務(wù)診斷分為診斷數(shù)據(jù)系統(tǒng)、財務(wù)專項判斷、財務(wù)預(yù)警系統(tǒng)、財務(wù)決策系統(tǒng)四個部分。

財務(wù)診斷系統(tǒng)分為三個階段，分別是：數(shù)據(jù)收集階段、分析診斷階段、形成報告階段。圖1為應(yīng)用數(shù)據(jù)挖掘的財務(wù)診斷模式及流程示意圖。

圖1 應(yīng)用數(shù)據(jù)挖掘的財務(wù)診斷模式及流程示意圖

從圖1中可以看出，數(shù)據(jù)收集階段包括收集非財務(wù)輔助數(shù)據(jù)、三大報表數(shù)據(jù)、財務(wù)指標(biāo)數(shù)據(jù)。XBRL具有實時標(biāo)準(zhǔn)性，可以有效減少錄入轉(zhuǎn)換時間，具有針對性、實用性，可以更高效地詮釋數(shù)據(jù)的內(nèi)容及意義，提高了財務(wù)診斷的效率及精確度。分析診斷階段主要是將收集的數(shù)據(jù)進(jìn)行專項判斷，通過XBRL與財務(wù)指標(biāo)進(jìn)行對比分析，再進(jìn)行財務(wù)診斷并作出財務(wù)預(yù)警和決策。在此階段，對目標(biāo)公司采用遺傳算法、回歸模型等進(jìn)行建模，需要選擇決策樹方法、關(guān)聯(lián)分析等，高效簡單地完成數(shù)據(jù)分析?？紤]到了影響企業(yè)財務(wù)的各種因素，故保證了分析結(jié)果具有完整性、實效性。通過以上兩個階段的縝密分析便可形成財務(wù)診斷決策報告，并將報告方案提交到經(jīng)營管理系統(tǒng)。決策報告涵蓋了數(shù)據(jù)挖掘的主要判斷信息，綜合考慮到了企業(yè)的財務(wù)風(fēng)險，并通過發(fā)現(xiàn)企業(yè)現(xiàn)狀問題形成解決方案，為企業(yè)經(jīng)營提供了方便。

（二）應(yīng)用數(shù)據(jù)挖掘的財務(wù)診斷指標(biāo)體系 財務(wù)指標(biāo)體系需要將企業(yè)外部和內(nèi)部環(huán)境結(jié)合起來考慮，進(jìn)行定性分析及定量分析來完成企業(yè)財務(wù)診斷指標(biāo)的設(shè)計。在財務(wù)診斷體系中，財務(wù)指標(biāo)體系構(gòu)建必不可缺，有效的反映了企業(yè)的財務(wù)狀況，為數(shù)據(jù)挖掘系統(tǒng)提供了依據(jù)。整個診斷體系覆蓋以下幾方面：

（1）內(nèi)部環(huán)境：包括一系列的定性指標(biāo)，有員工素質(zhì)（如知識結(jié)構(gòu)、能力結(jié)構(gòu)）、工作環(huán)境（主要對員工滿意度、員工忠誠度方面考察）、內(nèi)部控制（包括內(nèi)部控制組織、內(nèi)部控制有效性等），通過考察內(nèi)部環(huán)境說明企業(yè)的內(nèi)部控制情況。

（2）外部環(huán)境：包括定性指標(biāo)經(jīng)營環(huán)境（如經(jīng)濟(jì)政策、法律制度、行業(yè)發(fā)展前景、金融環(huán)境等），從宏觀角度考察企業(yè)經(jīng)營所面對的外部環(huán)境狀況。除此之外還有一系列定量指標(biāo)，包括產(chǎn)品市場（如市場占有率、產(chǎn)品銷售利潤率、客戶滿意度等）、社會效益（包括貸款履約率、環(huán)境保護(hù)指數(shù)、合同履約率），定量評定企業(yè)的銷售情況和經(jīng)營業(yè)績。

（3）財務(wù)活動：主要包括籌資活動（有財務(wù)風(fēng)險、支付能力、資本結(jié)構(gòu)、資本成本等）、投資活動（包括投資收益、投資風(fēng)險、資產(chǎn)利用率等）、經(jīng)營活動（如盈利能力、經(jīng)營風(fēng)險、資產(chǎn)營運能力等）、分配活動（如股利支付率、自由資產(chǎn)增長率、資本金增長率）等定量指標(biāo)，有效地考慮了企業(yè)經(jīng)營活動中的效益及存在的財務(wù)風(fēng)險。

財務(wù)指標(biāo)的獲取較為容易，能夠客觀地反映企業(yè)的經(jīng)營狀況及風(fēng)險水平，預(yù)測企業(yè)未來的經(jīng)營水平及競爭力。故選取財務(wù)指標(biāo)需要考慮可操作性、全面性、靈敏性、協(xié)調(diào)性、相關(guān)性、可比性六大原則，如此分析的結(jié)果才有助于企業(yè)做出合理的投融資決策。

四、實例分析

本文以GA房地產(chǎn)公司為例，進(jìn)行財務(wù)診斷中的數(shù)據(jù)挖掘演示。GA公司是一家上市多年的以房地產(chǎn)為主業(yè)的綜合性集團(tuán)公司，主營業(yè)務(wù)有房地產(chǎn)開發(fā)與運營、建材裝飾、建筑施工、物業(yè)管理、房地產(chǎn)咨詢等。對GA公司進(jìn)行財務(wù)診斷的目標(biāo)首先是確定其經(jīng)營現(xiàn)狀及風(fēng)險程度，其次是對其投資決策提供參考依據(jù)。

（一）數(shù)據(jù)收集 本文利用XBRL語言對GA公司2002年至2012年期間的半年報原始數(shù)據(jù)進(jìn)行收集和篩選，并將其中相關(guān)性較高和負(fù)相關(guān)的財務(wù)指標(biāo)剔除，如流動比率、資產(chǎn)收益率等，以避免信息重疊影響準(zhǔn)確性，保留下來十七項財務(wù)指標(biāo)構(gòu)成GA公司財務(wù)診斷的指標(biāo)體系，節(jié)選部分如表1：

（二）分析診斷

第一步，聚類分析。結(jié)合前述研究基礎(chǔ)，因GA公司數(shù)據(jù)量相對較少，本文采用較為快速、適合混合字段和數(shù)據(jù)集合的兩步聚類方法進(jìn)行分析，按GA公司的發(fā)展階段劃分聚類，設(shè)定聚類數(shù)最小為2，最大為15，根據(jù)處理數(shù)據(jù)和GA公司經(jīng)營管理信息劃分出2002年至2007年和2008年至2012年兩個聚類。建立兩步聚類模型。

第二步，財務(wù)初評。初步判斷GA公司目前財務(wù)狀況比較穩(wěn)定，可通過投融資加快企業(yè)發(fā)展。模型數(shù)據(jù)顯示對GA公司發(fā)展最重要的指標(biāo)主要有固定資產(chǎn)周轉(zhuǎn)率、資產(chǎn)負(fù)債率、存貨流動負(fù)債比率、流動資產(chǎn)周轉(zhuǎn)率、資本充足率、凈資產(chǎn)收益率和債務(wù)資本比率。

表1 GA 公司2002-2012 年半年報數(shù)據(jù)分析表（部分）

第三步，財務(wù)預(yù)警診斷。首先，確定對GA公司進(jìn)行數(shù)據(jù)挖掘的目標(biāo)需求為識別其經(jīng)營財務(wù)狀況。2002年至2012年篩選出的共21組數(shù)據(jù)、17項指標(biāo)進(jìn)行分析，識別出財務(wù)狀況良好的年份和它們的經(jīng)營財務(wù)特征，如該年的盈利能力如何，現(xiàn)金流如何等。其次，選擇Clementinel軟件將以上數(shù)據(jù)輸入模型，運用決策樹規(guī)則對目標(biāo)變量——各年的財務(wù)狀況進(jìn)行數(shù)據(jù)挖掘。

本文采用經(jīng)典的財務(wù)預(yù)警模型——Z值模型作為財務(wù)狀況綜合評分的依據(jù)。鑒于數(shù)據(jù)有限，本文將Z模型據(jù)經(jīng)驗值加以劃分：

Z>300，充盈，財務(wù)狀況良好；180

根據(jù)以上設(shè)定，得到各年財務(wù)狀況評分表如下：

表2 各半年財務(wù)狀況Z 值評分總表

在對數(shù)據(jù)預(yù)處理的階段，要注意將字段預(yù)先進(jìn)行選項設(shè)置，以便于數(shù)據(jù)分析的導(dǎo)入與輸出。之后還需要對字段進(jìn)行實例化，使字段的取值和類型皆直觀可見，便于分析結(jié)果的應(yīng)用。

第四步，建模分析。鑒于GA公司數(shù)據(jù)有限，在分析設(shè)置時需選擇“使用推進(jìn)”和“交互驗證”，以提高分析結(jié)果的準(zhǔn)確度。然后建立C5.0預(yù)警診斷模型。運行模型決策樹顯示的結(jié)果，將根據(jù)Z值評分設(shè)置的危險、困境和正常三類狀況進(jìn)行了分類，

首先按照第一重要字段即帶來最大信息增益的“每股收益”字段分為兩個節(jié)點，經(jīng)不同規(guī)則路徑顯示數(shù)據(jù)。在數(shù)據(jù)重疊部分，又經(jīng)次重要字段“固定資產(chǎn)周轉(zhuǎn)率”進(jìn)一步分析確定，最終達(dá)到100%準(zhǔn)確度的分析結(jié)果。另外還可導(dǎo)出散點圖更直觀地對比這兩個指標(biāo)對GA公司財務(wù)狀況的貢獻(xiàn)程度。

第五步，結(jié)果應(yīng)用。以上結(jié)果可知GA公司應(yīng)在財務(wù)管理中注重每股收益的管理，積極通過融資等方式提升稅后利潤，提升股東所有者權(quán)益。GA公司固定資產(chǎn)以實物為主，因此變動幅度不會很大，以維持現(xiàn)狀為主即可。

（三）決策診斷 依據(jù)以上分析結(jié)果，以下對GA公司融資決策加以診斷分析。本文將運用關(guān)聯(lián)規(guī)則當(dāng)中的財務(wù)決策分析理論，使用Clementinel2.0的Apriori算法生成頻繁項集，再據(jù)此生成關(guān)聯(lián)規(guī)則。本文自兩大證交所數(shù)據(jù)及調(diào)研樣本中選取30家與GA公司主要財務(wù)指標(biāo)類似的成功融資公司作為關(guān)聯(lián)分析的樣本集，匯總出7種可選融資渠道項集，分別是：

表3 融資渠道匯總表

30家樣本公司的融資偏好如下表4：

表4 事務(wù)數(shù)據(jù)集總表

融資分析中的數(shù)據(jù)處理與前類似，需要根據(jù)“類型”節(jié)點進(jìn)行實例化處理。本文按T/F的二分類變量設(shè)置類型，建立Apriori運算模型。為保障運行結(jié)果的有效性與代表性，將最小置信度設(shè)為50%，支持度為10%運行模型，步驟同上。運行結(jié)果對適合GA公司的成功率較高的一種、兩種及三種融資渠道給出多種最優(yōu)組合方案，為GA公司融資活動提供了數(shù)據(jù)指導(dǎo)。

（四）提交報告 最后，在上述預(yù)警診斷與決策診斷的基礎(chǔ)上，形成預(yù)警環(huán)節(jié)與決策環(huán)節(jié)的結(jié)論性診斷報告，提交給管理者作為管理決策的重要財務(wù)依據(jù)。同時，要不斷對上述分析進(jìn)行后續(xù)的跟蹤反饋與調(diào)整。

［1］趙春：《基于數(shù)據(jù)挖掘技術(shù)的財務(wù)風(fēng)險分析與預(yù)警研究》，《中國投資》2012年第5期。

［2］林小菊：《中小企業(yè)財務(wù)診斷分析系統(tǒng)設(shè)計》，《中國鄉(xiāng)鎮(zhèn)企業(yè)會計》2010年第8期。

［3］韋偉：《汽車故障診斷數(shù)據(jù)挖掘模型的研究》，《金融會計》2011年第7期。

［4］孫英：《企業(yè)財務(wù)診斷與加強(qiáng)財務(wù)管理對策》，《經(jīng)濟(jì)研究導(dǎo)刊》2013年第22期。