趙 吉

(長(zhǎng)春人文學(xué)院,吉林 長(zhǎng)春 130000)

0 引言

財(cái)務(wù)危機(jī)的研究一直是世界范圍內(nèi)最廣泛的研究話題之一。一般而言,在對(duì)財(cái)務(wù)危機(jī)問(wèn)題進(jìn)行分析時(shí),需要引入多種模型,例如統(tǒng)計(jì)模型、人工智能模型等,在相關(guān)學(xué)者的研究中,財(cái)務(wù)危機(jī)的單變量預(yù)警研究成了這一階段的里程碑。當(dāng)前,隨著證券市場(chǎng)的產(chǎn)生以及快速發(fā)展,現(xiàn)代企業(yè)的業(yè)績(jī)狀況不容樂(lè)觀,并且突出問(wèn)題表現(xiàn)在其嚴(yán)重的財(cái)務(wù)危機(jī)上,部分現(xiàn)代企業(yè)的虧損面積與虧損數(shù)額呈現(xiàn)出逐漸增加的趨勢(shì)[1]。而且在當(dāng)前全球經(jīng)濟(jì)形勢(shì)發(fā)展背景下,金融一體化逐漸成為未來(lái)發(fā)展的主要趨勢(shì)。對(duì)于每個(gè)國(guó)家而言,其金融安全問(wèn)題都會(huì)在一定程度上影響到其他國(guó)家經(jīng)濟(jì)的未來(lái)發(fā)展。雖然目前我國(guó)的金融監(jiān)管體系正在不斷發(fā)展和完善,但與國(guó)際監(jiān)管體系相比,仍然存在較大差距[2]。針對(duì)這一問(wèn)題,該領(lǐng)域研究人員對(duì)其開(kāi)展了更加深入的研究,并將研究重點(diǎn)放在了對(duì)現(xiàn)代企業(yè)財(cái)務(wù)危機(jī)的預(yù)警話題中。然而現(xiàn)有預(yù)警系統(tǒng)的預(yù)警仍然是小樣本預(yù)警事件,需要通過(guò)大量數(shù)據(jù)才能夠達(dá)到一定精度,因此會(huì)導(dǎo)致其運(yùn)行效果受到影響,導(dǎo)致實(shí)際運(yùn)行中的準(zhǔn)確率較低。針對(duì)這一問(wèn)題,本文引入粒子群優(yōu)化算法,對(duì)現(xiàn)代企業(yè)財(cái)務(wù)危機(jī)預(yù)警系統(tǒng)優(yōu)化設(shè)計(jì)進(jìn)行研究。

1 系統(tǒng)硬件設(shè)計(jì)

本文在對(duì)現(xiàn)代企業(yè)財(cái)務(wù)危機(jī)預(yù)警前,首先通過(guò)硬件結(jié)構(gòu)的建立為軟件部分的計(jì)算以及相關(guān)程序的運(yùn)行提供環(huán)境條件。為確保粒子群優(yōu)化算法的穩(wěn)定運(yùn)行,本文構(gòu)建如圖1所示的預(yù)警系統(tǒng)硬件結(jié)構(gòu)。

圖1 預(yù)警系統(tǒng)硬件結(jié)構(gòu)

本文在對(duì)現(xiàn)代企業(yè)財(cái)務(wù)危機(jī)進(jìn)行預(yù)測(cè)時(shí),首先需要具備充足的基本信息,因此主要利用數(shù)據(jù)庫(kù)服務(wù)器為基本信息的存儲(chǔ)、分析以及處理提供硬件條件。選用ThinkSystemSR658型號(hào)ERP服務(wù)器作為本文預(yù)警系統(tǒng)的數(shù)據(jù)庫(kù)服務(wù)器,利用該型號(hào)服務(wù)器的雙工內(nèi)存和雙路CPU為基本信息提供充足的存儲(chǔ)空間,同時(shí)也可以方便后續(xù)對(duì)數(shù)據(jù)提取。同時(shí),該型號(hào)數(shù)據(jù)庫(kù)服務(wù)器可支持16個(gè)2.5企業(yè)級(jí)SSD,SAS等多種接口硬盤(pán),能夠充分滿足大中小規(guī)模企業(yè)的日常財(cái)務(wù)數(shù)據(jù)運(yùn)行所需[3]。考慮到預(yù)警系統(tǒng)需要更加強(qiáng)大的控制芯片實(shí)現(xiàn)對(duì)粒子群優(yōu)化算法的運(yùn)行,因此本文在選擇主控制芯片時(shí),主要選用NY8B062D型號(hào)微控制器芯片作為預(yù)警系統(tǒng)的主控制芯片。本文將該型號(hào)芯片應(yīng)用到預(yù)警系統(tǒng)中,以針對(duì)企業(yè)財(cái)務(wù)數(shù)據(jù)的變化情況,實(shí)現(xiàn)相關(guān)算法的自動(dòng)運(yùn)行,從而進(jìn)一步提高預(yù)警系統(tǒng)的及時(shí)性和高效性。

2 系統(tǒng)軟件設(shè)計(jì)

2.1 現(xiàn)代企業(yè)財(cái)務(wù)原始數(shù)據(jù)標(biāo)準(zhǔn)化處理

由于現(xiàn)代企業(yè)在運(yùn)行過(guò)程中其財(cái)務(wù)原始數(shù)據(jù)屬于不同的量綱,因此存在部分?jǐn)?shù)據(jù)輸入系統(tǒng)會(huì)出現(xiàn)樣本特大或樣本特小的奇異樣本數(shù)據(jù)。這部分?jǐn)?shù)據(jù)的產(chǎn)生會(huì)在一定程度上影響預(yù)警系統(tǒng)的運(yùn)行效率,并會(huì)造成系統(tǒng)無(wú)法實(shí)現(xiàn)收斂的問(wèn)題。因此,本文需要對(duì)財(cái)務(wù)原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理[4]。在系統(tǒng)中引入歸一化函數(shù)premnmx函數(shù),再對(duì)所有樣本數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理,并確保其最終數(shù)據(jù)全部分布在[-1,1]區(qū)間范圍內(nèi)。premnmx函數(shù)的表達(dá)式為:

公式(1)中,P表示原始數(shù)據(jù)樣本輸入值;T表示原始數(shù)據(jù)樣本輸出值;Pn表示標(biāo)準(zhǔn)化處理后的輸入數(shù)據(jù);minp表示P中的最小值;maxp表示P中的最大值。按照上述函數(shù),完成對(duì)原始數(shù)據(jù)的標(biāo)準(zhǔn)化處理,為后續(xù)危機(jī)預(yù)測(cè)提供數(shù)據(jù)條件。

2.2 基于粒子群優(yōu)化算法的危機(jī)預(yù)測(cè)及預(yù)警閾值設(shè)定

在完成對(duì)現(xiàn)代企業(yè)財(cái)務(wù)原始數(shù)據(jù)標(biāo)準(zhǔn)化處理后,本文利用粒子群優(yōu)化算法在實(shí)際應(yīng)用中具備的最優(yōu)解尋找和快速收斂?jī)?yōu)勢(shì),對(duì)財(cái)務(wù)危機(jī)問(wèn)題進(jìn)行預(yù)測(cè)。選用粒子群優(yōu)化算法中的核心函數(shù),將其作為支持向量機(jī)的內(nèi)核函數(shù),構(gòu)建的表達(dá)式如公式(2)所示:

公式(2)中,i表示粒子種群數(shù)量;d表示維度;k表示迭代次數(shù);表示在第k+1次迭代當(dāng)中粒子種群i的第d個(gè)粒子的運(yùn)行速度。將上述公式代入本文系統(tǒng)當(dāng)中,可實(shí)現(xiàn)種群中每個(gè)粒子的不斷學(xué)習(xí)更新,并在運(yùn)行完畢后對(duì)最優(yōu)解進(jìn)行展示,此時(shí)得到的最優(yōu)解即為現(xiàn)代企業(yè)財(cái)務(wù)預(yù)測(cè)結(jié)果。在實(shí)際應(yīng)用中,本文首先需要在充分了解企業(yè)財(cái)務(wù)危機(jī)概念的基礎(chǔ)上,在完成標(biāo)準(zhǔn)化處理的數(shù)據(jù)后,需要選擇發(fā)生財(cái)務(wù)危機(jī)的企業(yè)和運(yùn)行良好的企業(yè)進(jìn)行配對(duì),以組成訓(xùn)練樣本。其次,在確定訓(xùn)練樣本后,本文會(huì)根據(jù)現(xiàn)代企業(yè)實(shí)際運(yùn)行狀況,建立財(cái)務(wù)危機(jī)指標(biāo)體系。最后,對(duì)所有指標(biāo)進(jìn)行篩選,并選擇對(duì)財(cái)務(wù)危機(jī)預(yù)警較為敏感的指標(biāo),將其代入粒子群優(yōu)化算法的核心函數(shù)中,對(duì)結(jié)果進(jìn)行預(yù)測(cè)。

本文在設(shè)定預(yù)警閾值時(shí),需要按照現(xiàn)代企業(yè)相關(guān)財(cái)務(wù)指標(biāo)的數(shù)據(jù)變化情況,將數(shù)值設(shè)置為能夠預(yù)測(cè)發(fā)生財(cái)務(wù)危機(jī)水平的臨界數(shù)值[5]。在預(yù)警系統(tǒng)實(shí)際運(yùn)行過(guò)程中,應(yīng)當(dāng)確保設(shè)定的預(yù)警閾值應(yīng)以滿足國(guó)際標(biāo)準(zhǔn)對(duì)現(xiàn)代企業(yè)經(jīng)濟(jì)特征以及財(cái)務(wù)危機(jī)發(fā)生時(shí)臨界值的各項(xiàng)指標(biāo)變動(dòng)情況為條件進(jìn)行確定。同時(shí),針對(duì)沒(méi)有明確規(guī)定的預(yù)警閾值指標(biāo),應(yīng)當(dāng)參考經(jīng)濟(jì)發(fā)展穩(wěn)定時(shí)期其他資產(chǎn)狀況類(lèi)似的企業(yè)的各項(xiàng)指標(biāo)數(shù)值,并參照經(jīng)濟(jì)、金融背景等在發(fā)展穩(wěn)健時(shí)期的各項(xiàng)指標(biāo)的數(shù)值,以此完成對(duì)預(yù)警閾值的設(shè)定和動(dòng)態(tài)調(diào)整。

3 對(duì)比實(shí)驗(yàn)

本文從硬件和軟件兩方面實(shí)現(xiàn)對(duì)現(xiàn)代企業(yè)財(cái)務(wù)危機(jī)預(yù)警系統(tǒng)的理論設(shè)計(jì),為進(jìn)一步驗(yàn)證該系統(tǒng)在實(shí)際應(yīng)用中的效果,并充分體現(xiàn)本文系統(tǒng)的優(yōu)越性,本文選擇將現(xiàn)代企業(yè)股票被進(jìn)行特別處理作為企業(yè)發(fā)生財(cái)務(wù)危機(jī)的判別標(biāo)準(zhǔn),針對(duì)被特別處理的現(xiàn)代企業(yè)對(duì)其財(cái)務(wù)危機(jī)進(jìn)行預(yù)警。

為了在實(shí)驗(yàn)過(guò)程中,消除宏觀經(jīng)濟(jì)環(huán)境因素以及經(jīng)濟(jì)周期變化等因素對(duì)預(yù)警結(jié)果造成的影響,本文選擇被特別處理的200家現(xiàn)代企業(yè)作為實(shí)驗(yàn)樣本,樣本中70%企業(yè)為制造業(yè)、5%企業(yè)為服務(wù)業(yè)、3%企業(yè)為采礦業(yè)、2%企業(yè)為旅游業(yè)、20%企業(yè)為其余行業(yè)。分別利用本文提出的預(yù)警系統(tǒng)和基于風(fēng)險(xiǎn)控制的預(yù)警系統(tǒng)(文獻(xiàn)[4]系統(tǒng))對(duì)上述200家現(xiàn)代企業(yè)進(jìn)行財(cái)務(wù)危機(jī)預(yù)警。在實(shí)驗(yàn)中主要選擇將兩種預(yù)警系統(tǒng)得出的后5年企業(yè)的財(cái)務(wù)狀況預(yù)測(cè)精度作為評(píng)價(jià)指標(biāo),并將其與該企業(yè)真實(shí)的后5年財(cái)務(wù)收支情況進(jìn)行對(duì)比,計(jì)算其預(yù)測(cè)偏差。

其中,d表示預(yù)測(cè)偏差,z表示真實(shí)財(cái)務(wù)收支情況,u表示預(yù)警系統(tǒng)預(yù)測(cè),得出財(cái)務(wù)收支情況。結(jié)合上述內(nèi)容,完成實(shí)驗(yàn)后,將實(shí)驗(yàn)結(jié)果繪制成表1所示。

表1 兩種預(yù)警系統(tǒng)實(shí)驗(yàn)結(jié)果對(duì)比

通過(guò)表1中各組數(shù)據(jù)對(duì)比可以看出,本文預(yù)測(cè)系統(tǒng)給出的預(yù)測(cè)結(jié)果與實(shí)際偏差更小,而風(fēng)險(xiǎn)控制的預(yù)警系統(tǒng)給出的預(yù)測(cè)結(jié)果與實(shí)際偏差較大。同時(shí),在實(shí)驗(yàn)過(guò)程中可以發(fā)現(xiàn)利用本文提出的預(yù)警系統(tǒng),在實(shí)際運(yùn)行過(guò)程中依靠粒子群優(yōu)化算法得到的預(yù)測(cè)結(jié)果更加穩(wěn)定,這一特點(diǎn)主要取決于粒子群優(yōu)化算法本身具備的全局搜索能力和支持向量機(jī)的強(qiáng)大識(shí)別和分類(lèi)能力。因此,通過(guò)上述實(shí)驗(yàn)結(jié)果可以進(jìn)一步說(shuō)明本文提出的預(yù)警系統(tǒng)能夠?qū)崿F(xiàn)對(duì)現(xiàn)代企業(yè)財(cái)務(wù)危機(jī)的精準(zhǔn)預(yù)測(cè),為現(xiàn)代企業(yè)未來(lái)發(fā)展策略的提出提供數(shù)據(jù)依據(jù)。

4 結(jié)語(yǔ)

本文針對(duì)現(xiàn)代企業(yè)的財(cái)務(wù)危機(jī)問(wèn)題,在引入粒子群優(yōu)化算法的基礎(chǔ)上,提出了一種全新的預(yù)警系統(tǒng),并通過(guò)對(duì)比實(shí)驗(yàn)的方式證明了該系統(tǒng)的應(yīng)用優(yōu)勢(shì)。在研究過(guò)程中,本文引入的粒子群優(yōu)化算法能夠提高系統(tǒng)的搜索能力和預(yù)測(cè)精度,并且打破傳統(tǒng)預(yù)警系統(tǒng)最優(yōu)參數(shù)上限的問(wèn)題,提高參數(shù)質(zhì)量。但由于研究能力有限,本研究并沒(méi)有對(duì)系統(tǒng)運(yùn)行時(shí)間進(jìn)行記錄,也缺少對(duì)系統(tǒng)運(yùn)行效率的評(píng)估和驗(yàn)證。因此,在后續(xù)研究過(guò)程中,為進(jìn)一步提高預(yù)警系統(tǒng)的應(yīng)用性能,研究人員還需要從提高其運(yùn)行效率的角度對(duì)系統(tǒng)進(jìn)行不斷優(yōu)化和創(chuàng)新。