王麗 沈晨 龍軍

摘要：大數(shù)據(jù)技術的發(fā)展給醫(yī)院財務預測研究提供了新的機遇，同時也帶來了挑戰(zhàn)。結合國內外基于大數(shù)據(jù)環(huán)境的財務預測方法相關技術的演進和應用實踐，本文梳理了大數(shù)據(jù)環(huán)境下醫(yī)院預測方法的特征，構建大數(shù)據(jù)環(huán)境下醫(yī)院財務預測方法示意圖，分析了大數(shù)據(jù)環(huán)境下醫(yī)院預測方法所面臨的挑戰(zhàn)和對未來研究的展望。

關鍵詞：大數(shù)據(jù)環(huán)境 ?醫(yī)院 ?財務 ?預測方法

一、引言

眾所周知，當前大數(shù)據(jù)技術帶來了管理方式變革、商業(yè)模式變革等影響。而大數(shù)據(jù)預測是大數(shù)據(jù)最核心的應用，其優(yōu)勢體現(xiàn)在它把一個非常困難的預測問題，轉化為一個相對簡單的描述問題，而這是傳統(tǒng)小數(shù)據(jù)根本無法企及的。對于醫(yī)院而言，當前由于財務數(shù)據(jù)分析方式發(fā)生了巨大變化，醫(yī)院財務預測業(yè)務流程也將發(fā)生根本性的變化。醫(yī)院財務人員可以通過大數(shù)據(jù)資料，依據(jù)現(xiàn)實條件，運用特定的方法從海量數(shù)據(jù)中分析和挖掘出有價值的信息，來預測醫(yī)院未來的財務狀況，給醫(yī)院財務全面預算決策提供依據(jù)。然而，大數(shù)據(jù)所刻畫的是一個復雜的系統(tǒng)，對于醫(yī)院財務人員而言，大數(shù)據(jù)環(huán)境下如何選取有效的研究方法提升醫(yī)院財務預測的準確性是值得深入思考的。

二、大數(shù)據(jù)環(huán)境下財務預測方法研究現(xiàn)狀概述

（一）國內基于大數(shù)據(jù)環(huán)境的財務預測方法研究現(xiàn)狀

2014 年春節(jié)，百度利用 LBS 技術推出了“春運遷徙”圖，第一次通過大數(shù)據(jù)計算全程分析了動態(tài)、即時的春節(jié)前后人口移動的變化和特點，并以可視化的圖形方式呈現(xiàn)出來，讓人們直觀的感受到了大數(shù)據(jù)的力量。如今，可以通過大數(shù)據(jù)分析來預測用戶消費需求、進行基因組測試、預防流感疫情等，大數(shù)據(jù)的應用已經(jīng)滲透到各行各業(yè)，我國將大數(shù)據(jù)戰(zhàn)略正式列入“十三五”規(guī)劃綱要中。國內文獻中相關學者也深入分析了大數(shù)據(jù)環(huán)境下財務相關預測方法，景立偉等（2007）在文獻中利用傳遞函數(shù)模型對醫(yī)院業(yè)務收入影響因素進行分析。在此基礎上利用分析結果對醫(yī)院業(yè)務收入做出預測，并將預測結果與ARIMA模型預測結果進行比較。張麗湘（2009）在文獻中根據(jù)灰色系統(tǒng)預測理論，提出關于醫(yī)院財務走向的預測方法。趙麗娥等（2015） 于文獻中在當前廣泛建設的醫(yī)療云框架上，通過醫(yī)療財務風險預測模型有效地檢測出醫(yī)院財務中可能存在的風險。王劍等（2018） 在文獻中使用稀有事件Logit模型對大樣本進行分析，提出資產(chǎn)負債率、固定資產(chǎn)周轉率和營業(yè)收入增長率等對財務困境有較強的預測作用。王海峰（2018） 在文獻中基于優(yōu)化的BP神經(jīng)網(wǎng)絡算法討論企業(yè)財務管理中的風險預測及處理。賈小平（2018）在文獻中將計量經(jīng)濟學的回歸分析法與企業(yè)財務分析相結合，預測某管網(wǎng)企業(yè)在現(xiàn)有資產(chǎn)規(guī)模采取統(tǒng)購統(tǒng)銷模式下盈虧平衡點的銷售量數(shù)值及管輸價格。李偉杰（2018） 在文獻中把我國的上市公司作為主要研究對象，以 2011-2017年的公司財務數(shù)據(jù)為例，采用多種建模技術構建預測模型。方匡南等（2018） 提出稀疏組Lasso支持向量機方法，并應用到制造業(yè)相關上市公司的財務困境預測中。鄭治平（2018） 基于因子分析法提取企業(yè)財務風險特征，對相關化肥類上市公司年報數(shù)據(jù)進行實證分析。綜上分析，目前國內一些學者關于大數(shù)據(jù)時代財務預測方法的理論論述較多，但對大數(shù)據(jù)環(huán)境中財務預測方法的技術角度給予論述比較缺乏，還需進一步探討。

（二）國外基于大數(shù)據(jù)環(huán)境的財務預測方法研究現(xiàn)狀

2011 年，美國國際數(shù)據(jù)公司（IDC）在一份報告中正式將“大數(shù)據(jù)價值”觀念加入到大數(shù)據(jù)特征中，提出了大數(shù)據(jù)具有“數(shù)量大”、“速度快”、“數(shù)據(jù)類型多樣”、“數(shù)據(jù)價值小”的“4V”特征。美國東北大學學者巴拉巴西的《爆發(fā)：大數(shù)據(jù)時代預見未來的新思維》一書，分析了如何去理解人類行為時空模式中的觀念和預測問題，做出了“人類行為 93%可以預測到”的判斷。國外文獻中相關學者也深入分析了大數(shù)據(jù)環(huán)境下財務相關預測方法。Yuan X E（2009） 在文獻中引入連續(xù)蟻群算法和支持向量機理論，并建立財務預測模型CACO-SVM，利用公司財務數(shù)據(jù)對該算法進行訓練和測試。Penman S H（2010） 在文獻中闡述財務預測、風險確定和價值評估是會計問題，指出會計不僅提供預測收益的信息，而且要提供預測的收益。Jeanbaptiste H（2016） 在文獻中針對金融行業(yè)大數(shù)據(jù)，提出大數(shù)據(jù)風險預測模型（MMA-RFM），通過性能優(yōu)化的實驗評估，驗證所提出的方案。Nyman R（2018） 在文獻中將算法分析應用于基于文本的金融市場數(shù)據(jù)，利用大數(shù)據(jù)進行系統(tǒng)風險評估。Cockcroft S （2018） 在文獻中對2007-2016年間47種會計、財務及信息系統(tǒng)期刊進行分析，得出會計和金融領域大數(shù)據(jù)未被充分研究的領域是風險與安全、數(shù)據(jù)質量等。通過對國外文獻大數(shù)據(jù)研究相關資料的梳理，可以發(fā)現(xiàn)國外財務預測研究重點放在技術方面。從大數(shù)據(jù)計劃中可以看出，絕大多數(shù)財務預測研究項目都是數(shù)據(jù)工程，重點放在了大數(shù)據(jù)帶來的技術挑戰(zhàn)。

（三）基于大數(shù)據(jù)環(huán)境的醫(yī)院財務主要預測方法剖析

大數(shù)據(jù)環(huán)境下醫(yī)院財務數(shù)據(jù)具有多樣性，不僅包括傳統(tǒng)財務報表的結構化數(shù)據(jù)，同時也包括互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、社交網(wǎng)絡等大數(shù)據(jù)財務管理系統(tǒng)半結構化數(shù)據(jù)。面對未來醫(yī)院飛速上升的非結構化數(shù)據(jù)，我們醫(yī)院財務人員應該如何獲得有效的財務預測信息？當前大數(shù)據(jù)相關的建模方法有：有監(jiān)督學習和無監(jiān)督學習。有監(jiān)督學習是從標簽化訓練數(shù)據(jù)集中推斷出函數(shù)的機器學習任務;無監(jiān)督學習則事先沒有訓練樣本，需要直接對相應數(shù)據(jù)進行建模。當前在財務預測研究中有監(jiān)督建模運行更多，具體包括：決策樹、深度學習等算法。與傳統(tǒng)財務預測研究的方法相比，基于大數(shù)據(jù)環(huán)境的醫(yī)院財務預測方法主要體現(xiàn)在以下四個方面，如圖1所示：

1、主觀預測法

圖1 大數(shù)據(jù)環(huán)境下醫(yī)院財務預測方法示意圖

主觀預測法主要是利用市場調查得到的各種信息，根據(jù)預測者個人的知識、經(jīng)驗和主觀判斷，對預測對象的發(fā)展趨勢可能性作出主觀估測的預測方法。對于大數(shù)據(jù)環(huán)境下醫(yī)院財務預測而言，主觀預測法偏重于對醫(yī)院運營的發(fā)展方向和醫(yī)院財務分析中各種影響因素的分析，發(fā)揮專家經(jīng)驗和主觀能動性。主觀預測法具體包括：德爾菲法、專家會議法等。其中，德爾菲法是由企業(yè)組成一個專門的預測機構，其中包括若干專家和企業(yè)預測組織者，按照規(guī)定的程序，征詢專家對未來市場的意見或者判斷，然后進行預測的方法。在這里，選擇哪些合適的人員作為專家是采用德爾菲法的重要環(huán)節(jié)。而專家會議法是指對預測對象有較豐富知識和經(jīng)驗的人員組成專家小組進行座談討論，互相啟發(fā)、集思廣益，最終形成預測結果的方法。但在大數(shù)據(jù)醫(yī)院財務預測中，主觀預測法需要根據(jù)問題自身的特點去分析，盡可能地搜集相關財務數(shù)據(jù)，結合數(shù)學方法力爭從數(shù)量上作出相關財務測算。

2、回歸分析預測法

大數(shù)據(jù)環(huán)境下醫(yī)院財務預測業(yè)務環(huán)節(jié)中，數(shù)據(jù)已經(jīng)成為醫(yī)院財務人員決策與規(guī)劃控制的最關鍵環(huán)節(jié)。例如：在大數(shù)據(jù)財務預測統(tǒng)計建模中，回歸分析是根據(jù)自變量來預測因變量。判斷自變量與因變量因素相關程度成為醫(yī)院財務回歸分析必須要解決的首要問題?；貧w分析按照涉及財務變量的多少，分為一元回歸和多元回歸分析。在醫(yī)院財務大數(shù)據(jù)分析中，回歸分析是指確定兩種或兩種以上變量間相互依賴的定量關系的一種統(tǒng)計分析方法。在大數(shù)據(jù)分析中，回歸分析是一種預測性的建模技術，它研究的是因變量和自變量之間的關系。醫(yī)院財務人員結合變量最終確定的因果關系，可以對財務發(fā)展趨勢進行預測分析。

3、傳統(tǒng)時間序列分析預測法

時間序列是指將同一統(tǒng)計指標的數(shù)值按其發(fā)生的時間先后順序排列而成的數(shù)列，其分析的主要目的是根據(jù)已有的歷史數(shù)據(jù)對未來進行預測。財務時間序列包括財務會計報告中現(xiàn)金流量數(shù)據(jù)、年度銷售數(shù)據(jù)等。醫(yī)院財務時間序列分析所反映的現(xiàn)象是由眾多復雜因素共同作用的結果，不同因素的作用會產(chǎn)生不同的結果。其反映的是一段時間內發(fā)展變化過程的總量。針對醫(yī)院財務預測而言，財務時間序列分析的主要作用有：（1）描述醫(yī)院財務發(fā)展狀態(tài)和結果;（2）研究醫(yī)院財務的發(fā)展趨勢和發(fā)展速度;（3）對醫(yī)院財務進行預測;（4）通過控制、修正和重新設計等方式，達到把握醫(yī)院財務發(fā)展趨勢的目的。時間序列預測模型包括：移動平均模型（MA）以及混合模型等。在實際財務預測運用中，混合模型具體包括自回歸移動平均模型（ARMA）以及差分自回歸移動平均模型（ARIMA）。傳統(tǒng)統(tǒng)計學時間序列分析預測法對于趨勢性較強的財務數(shù)據(jù)集效果比較好，但如果遇到趨勢不那么強的醫(yī)院財務數(shù)據(jù)集，則效果不太理想。我們可以考慮用機器學習的方法進行財務預測。

4、機器學習時間序列分析預測法

為提高預測的精度，基于數(shù)據(jù)的機器學習是大數(shù)據(jù)環(huán)境下財務預測技術的重要方面。機器學習可以根據(jù)給定的訓練樣本求出財務預測系統(tǒng)輸入輸出之間依賴關系的估計，使它能夠對未知輸出作出盡可能準確的預測。在這里，醫(yī)院財務機器學習時間序列分析預測法的整體流程為：首先，將財務數(shù)據(jù)集劃分為訓練集和測試集;其次，對于訓練集做特征篩選，提取有信息量的特征變量，而篩除掉無信息等干擾特征變量;再次，應用算法建立相關財務預測模型;最后，結合測試集對算法模型的輸出參數(shù)進行優(yōu)化。具體算法包括：線性回歸模型、決策樹（回歸樹）模型等算法模型。在大數(shù)據(jù)環(huán)境下具體醫(yī)院財務預測中，我們可以將機器學習方法和傳統(tǒng)時序預測法結合運用。

通過大數(shù)據(jù)財務預測方法分析，可以發(fā)現(xiàn)大數(shù)據(jù)環(huán)境下醫(yī)院財務人員將面臨思維模式與技術挑戰(zhàn)，而如何有效平衡醫(yī)院財務管理各相關方的認知，處理好醫(yī)院財務預測需求與大數(shù)據(jù)預測方法模型應用需求之間的矛盾也是當前面臨的主要難題之一。與此同時，基于大數(shù)據(jù)財務預測方法更多依賴于大數(shù)據(jù)財務數(shù)據(jù)來源。按照預測的精細程度，大數(shù)據(jù)財務預測可以分為不同層級，在不同層級獲得準確的預測結果，關鍵在于宏觀數(shù)據(jù)和微觀數(shù)據(jù)、共性數(shù)據(jù)和個性數(shù)據(jù)之間的關聯(lián)分析。大數(shù)據(jù)環(huán)境下醫(yī)院財務預測包括成本管理預測、預算管理預測、風險與結余管理預測、收支結構預測、資產(chǎn)運營預測等。醫(yī)院財務人員結合各個部門傳送的不同業(yè)務數(shù)據(jù)，運用大數(shù)據(jù)預測方法進行有效性分析。根據(jù)分析結果深入挖掘醫(yī)院成本管理、預算管理、風險與結余管理、收支結構和資產(chǎn)運營等方面財務預測。

三、結束語

通過國內外大數(shù)據(jù)環(huán)境下財務預測方法分析得出：與傳統(tǒng)醫(yī)院財務數(shù)據(jù)樣本相比來看，大數(shù)據(jù)財務預測過程為醫(yī)院財務人員提供了范圍更廣、更多的數(shù)據(jù)支持。當然，大數(shù)據(jù)財務預測由于醫(yī)院復雜系統(tǒng)本身的不確定性以及突現(xiàn)現(xiàn)象的產(chǎn)生而變得困難，要提高大數(shù)據(jù)環(huán)境下醫(yī)院財務預測的準確性，需要不斷的改進和完善相關方法模型，以期更好為醫(yī)院發(fā)展戰(zhàn)略提供科學依據(jù)。希望通過本文的研究和探索，為大數(shù)據(jù)時代醫(yī)院財務預測方法提供理論參考。

參考文獻

[1]景立偉，王彤，王衛(wèi)琪.傳遞函數(shù)模型在醫(yī)院業(yè)務收入預測中的應用[J].現(xiàn)代預防醫(yī)學，2007，（20）：3858-3859+3864.

[2] 張麗湘. 醫(yī)院財務預測模型研究[J].管理觀察， 2009（31）：334-335.

[3]趙麗娥，陳氤，譚警宇.云平臺下基于貝葉斯的醫(yī)療財務風險預測模型[J].電子技術與軟件工程，2015，（22）：185-186.

[4]王劍，黃錦春.基于稀有事件Logit模型的財務困境預測研究[J].會計之友，2018，（23）：55-59.

[5]王海峰.試論企業(yè)財務管理中的風險預測及處理—基于優(yōu)化的BP神經(jīng)網(wǎng)絡算法[J].中國注冊會計師，2018，（09）：103-106.

[6]賈小平.計量經(jīng)濟學回歸分析法在企業(yè)財務預測中的應用[J].經(jīng)濟師，2018，（12）：111+113.

[7]李偉杰.基于理論角度的經(jīng)典統(tǒng)計財務困境預測模型問題研究[J].納稅，2018，12（33）：151.

[8]方匡南，楊陽.SGL-SVM方法研究及其在財務困境預測中的應用[J].統(tǒng)計研究，2018，35（08）：104-115.

[9]鄭治平.基于模式識別的企業(yè)財務風險預測方法[J].商業(yè)會計，2018，（06）：25-28.

[10]艾伯特-拉斯洛·巴拉巴西， 巴拉巴西， 馬慧. 爆發(fā)：大數(shù)據(jù)時代預見未來的新思維[M].中國人民大學出版社， 2012.

[11] Yuan X E， Yu Z. Technology Program Financial Forecast Model Based on CACO-SVM[C]. International Workshop on Intelligent Systems & Applications. 2009.

[12]Penman S H . Financial Forecasting， Risk and Valuation： Accounting for the Future[J]. Abacus， 2010， 46（2）：18.

[13] Jeanbaptiste H ， Qiu M ， Gai K ， et al. Meta Meta-Analytics for Risk Forecast Using Big Data Meta-Regression in Financial Industry [C]. IEEE International Conference on Cyber Security & Cloud Computing. IEEE， 2016.

[14]Nyman R， Kapadia S， Tuckett D， et al. News and Narratives in Financial Systems： Exploiting Big Data for Systemic Risk Assessment[J]. Bank of England Working Papers， 2018.

[15] Cockcroft S ， Russell M . Big Data Opportunities for Accounting and Finance Practice and Research： Big Data in Accounting and Finance[J]. Australian Accounting Review， 2018（2）.

[16]李永梅，張艷紅，汪軍.財務預測理論與實務[M].立信會計出版社， 2005.

[17]郎茂祥.預測理論與方法[M].清華大學出版社，2011.