王 丹,應(yīng)晨林,曾薇偉

(1.西安交通大學(xué) 城市學(xué)院,陜西 西安 710018;2.西安交通大學(xué) 財務(wù)處,陜西 西安 710049)

在我國市場經(jīng)濟體制改革和發(fā)展過程中,各行各業(yè)面臨的財務(wù)風(fēng)險也與日俱增。對電爐企業(yè)和國家來說,在線監(jiān)測金融風(fēng)險的重要性不言而喻,亟需采取相應(yīng)在線預(yù)警手段來規(guī)避財務(wù)風(fēng)險。

在已有的財務(wù)風(fēng)險預(yù)警方案中,文獻[1]從兩個方面建立了財務(wù)風(fēng)險預(yù)警體系,分別對不同的電爐企業(yè)財務(wù)信息進行了分析,并針對不同的行業(yè)建立了相應(yīng)的風(fēng)險預(yù)警指標(biāo)和權(quán)重,并進行了績效考核。然而,由于財務(wù)資料的復(fù)雜性,這種方法在后期會產(chǎn)生很大的誤差。文獻[2]在云計算的基礎(chǔ)上設(shè)計了財務(wù)風(fēng)險管控模型。采用云服務(wù)的方式對異常財務(wù)進行預(yù)警,并建立相應(yīng)的風(fēng)險指數(shù),并對其進行風(fēng)險評價。在模型的測試階段,盡管這種方法具有很好的風(fēng)險管理和控制效果,但是它的整體計算量過大,計算速度過慢。

為了解決以上問題,本文引入了卡爾曼過濾提升財務(wù)模型在線監(jiān)控風(fēng)險的能力。利用卡爾曼濾波技術(shù)濾除財務(wù)信息中的噪聲數(shù)據(jù),針對不同級別的危險程度,有不同的報警情況,從多方面建立風(fēng)險評價指標(biāo)體系,劃分財務(wù)風(fēng)險等級詳情,并采用了相應(yīng)的在線預(yù)警手段;通過該模型對財務(wù)風(fēng)險進行在線預(yù)警檢驗,及時發(fā)現(xiàn)和處理財務(wù)風(fēng)險信息。

1 電爐企業(yè)財務(wù)風(fēng)險在線預(yù)警模型設(shè)計

財務(wù)風(fēng)險在線預(yù)警模型應(yīng)該立足于財務(wù)風(fēng)險的發(fā)展規(guī)劃、財務(wù)狀況、生產(chǎn)經(jīng)營狀況以及外部行業(yè)資料,借助于先進的技術(shù)手段和理論研究成果,使財務(wù)風(fēng)險在線預(yù)警手段更具權(quán)威性,從而為財務(wù)風(fēng)險管理者提供科學(xué)的在線預(yù)警手段和風(fēng)險規(guī)避方法。本文設(shè)計的財務(wù)風(fēng)險在線預(yù)警模型主要由財務(wù)風(fēng)險識別模型、財務(wù)風(fēng)險預(yù)警模型和財務(wù)風(fēng)險控制模型和模型基本數(shù)據(jù)庫、風(fēng)險評估庫共同組成。模型流程圖如圖1所示。

圖1 財務(wù)風(fēng)險在線預(yù)警模型流程圖

1.1 財務(wù)風(fēng)險識別子模型

財務(wù)風(fēng)險識別子模型主要是分析財務(wù)風(fēng)險數(shù)據(jù)中是否含有風(fēng)險行為[3],或者對風(fēng)險的特征識別和預(yù)警,幫助財務(wù)風(fēng)險及時發(fā)現(xiàn)財務(wù)風(fēng)險,做好應(yīng)對措施。由此可見,財務(wù)風(fēng)險識別模型的主要功能是預(yù)警。模型構(gòu)成如圖2所示。

圖2 財務(wù)風(fēng)險識別模型構(gòu)成圖

歸根結(jié)底,財務(wù)風(fēng)險的主要來源為財務(wù)風(fēng)險內(nèi)部規(guī)章制度的失調(diào)、市場環(huán)境的變化和利益沖突。財務(wù)風(fēng)險應(yīng)立足自身發(fā)展條件,及時應(yīng)對市場環(huán)境的變化[4],平衡好各個利益相關(guān)者之間的關(guān)系,從根本上減少財務(wù)風(fēng)險出現(xiàn)的概率。

1.2 財務(wù)風(fēng)險預(yù)警子模型

財務(wù)風(fēng)險預(yù)警子模型從定量的角度出發(fā),通過對財務(wù)風(fēng)險發(fā)展過程中的各項財務(wù)指標(biāo)進行模型的分析,再利用計算機技術(shù)實現(xiàn)對財務(wù)風(fēng)險有效預(yù)警。該模型主要由單目標(biāo)預(yù)警模型和綜合預(yù)警模型構(gòu)成。

財務(wù)風(fēng)險在完成財務(wù)風(fēng)險識別后,制定了一系列適合本財務(wù)風(fēng)險發(fā)展的風(fēng)險評估體系以及風(fēng)險控制指標(biāo),對于一些特殊的數(shù)據(jù),如產(chǎn)品成本、回報率、資產(chǎn)營收、銷售收入等,應(yīng)將其加入單目標(biāo)預(yù)警模型中,制定報警閾值并實時預(yù)警。這樣可以實現(xiàn)對財務(wù)風(fēng)險數(shù)據(jù)進行最為直觀的預(yù)警,可及時發(fā)現(xiàn)財務(wù)風(fēng)險數(shù)據(jù)狀態(tài)的變化以及財務(wù)風(fēng)險的出現(xiàn),當(dāng)某個目標(biāo)超出報警閾值后,可以及時查明原因,實施相應(yīng)的在線預(yù)警措施。

綜合預(yù)警模型實現(xiàn)了將預(yù)警模型轉(zhuǎn)化為計算機可識別的模式,將各類報警閾值、財務(wù)數(shù)據(jù)、計算機模型輸入綜合預(yù)警模型中,來判斷財務(wù)風(fēng)險數(shù)據(jù)是否出現(xiàn)風(fēng)險,以全局視角審視財務(wù)風(fēng)險數(shù)據(jù)狀況。在輸入的各類數(shù)據(jù)中,財務(wù)風(fēng)險必須保證數(shù)據(jù)的真實性和實時性,才可實現(xiàn)預(yù)警模型的有效預(yù)警。

1.3 財務(wù)風(fēng)險預(yù)警子模型

財務(wù)風(fēng)險預(yù)警子模型是在風(fēng)險評估庫的基礎(chǔ)上實現(xiàn)的,當(dāng)財務(wù)風(fēng)險數(shù)據(jù)指數(shù)變化較大,出現(xiàn)嚴(yán)重的風(fēng)險狀態(tài),該模型即可根據(jù)風(fēng)險狀態(tài)和警情的不同,作出不同的報警提醒和相應(yīng)的預(yù)警措施。財務(wù)風(fēng)險預(yù)警子模型可幫助財務(wù)風(fēng)險管理者發(fā)現(xiàn)細微的財務(wù)風(fēng)險變化,對于模糊不定、沒有標(biāo)準(zhǔn)的個案,實施模糊對待或者特殊對待,也可交由專業(yè)人員處理,財務(wù)風(fēng)險也可將處理結(jié)果存儲在財務(wù)風(fēng)險基本信息庫中,作為經(jīng)驗知識為類似事件提供參考依據(jù)。條件允許的情況下,財務(wù)風(fēng)險也可在該模型中加入專家方案模塊和案例分析模型,為財務(wù)風(fēng)險提供更為豐富的規(guī)避對策。

1.4 基本信息庫

基本信息庫是財務(wù)風(fēng)險實現(xiàn)財務(wù)風(fēng)險在線預(yù)警的重要構(gòu)成部分,集合了財務(wù)風(fēng)險內(nèi)部所有財務(wù)數(shù)據(jù)和外部行業(yè)數(shù)據(jù)。該信息庫的建立,可參考同行業(yè)信息或者國家統(tǒng)計局提供的相關(guān)行業(yè)數(shù)據(jù)。信息庫中的數(shù)據(jù)應(yīng)保證其實時性和有效性,對于不斷變化的市場環(huán)境應(yīng)做好及時完善和補充,并且對于財務(wù)風(fēng)險發(fā)展的各類數(shù)據(jù)應(yīng)保證其真實性,尤其是財務(wù)數(shù)據(jù),這對于后期分析財務(wù)風(fēng)險真實的生產(chǎn)經(jīng)營狀況非常重要。管理信息庫的工作人員,應(yīng)從客觀、理性的角度出發(fā),為財務(wù)風(fēng)險在線預(yù)警提供真實數(shù)據(jù),提高在線預(yù)警模型數(shù)據(jù)處理精度。

2 基于卡爾曼濾波的電爐企業(yè)財務(wù)風(fēng)險在線預(yù)警仿真分析

2.1 財務(wù)風(fēng)險預(yù)測

由于財務(wù)風(fēng)險信息屬于保密內(nèi)容[5-6],無法得到具體數(shù)據(jù),本文通過一系列財務(wù)指標(biāo)(見圖1)來代指?；诖?得到了財務(wù)風(fēng)險在線預(yù)警模型:

St=At|t-1St-1+Wt-1

(1)

Bt=HtSt+Vt

(2)

式中:St為財務(wù)風(fēng)險在t時期的財務(wù)狀態(tài);Bt為財務(wù)風(fēng)險在t時期的財務(wù)指標(biāo);Wt-1為財務(wù)風(fēng)險在t-1時期內(nèi)財務(wù)狀態(tài)的噪聲信息;Vt為財務(wù)風(fēng)險在t時期的財務(wù)風(fēng)險在線預(yù)警指標(biāo)觀測噪聲;At|t-1為財務(wù)風(fēng)險的財務(wù)狀態(tài)從t-1時期到t時期轉(zhuǎn)移的過程矩陣;Ht為在t時期,財務(wù)風(fēng)險的財務(wù)狀況與指標(biāo)之間的關(guān)聯(lián)矩陣。本文將方程組中存在的噪聲看作為白噪聲,互不連接、服從正態(tài)分布,且滿足式(3):

再如，臨床科室在給患者診治過程中供電出現(xiàn)故障導(dǎo)致診療中斷，會直接威脅到患者生命安全；患者就診完畢后，在院內(nèi)行走時，遇到地面有積水打滑或墻粉滑落，也會導(dǎo)致患者受到二次傷害，等等。

(3)

式中:Qt為Wt-1的p×p維對稱非負定方差矩陣;Rt為Vt的m×m維對稱正定方差矩陣;δtj為Kronecker-δ函數(shù)。

完成上述計算后,引入卡爾曼濾波[7]對方程組進行求解。卡爾曼濾波在Bt的基礎(chǔ)上,尋找使St的線性離散最小方差的最優(yōu)估計法,實現(xiàn)過程如下所示:

(4)

(2)根據(jù)式(4)求得預(yù)測誤差方差矩陣:

(5)

(3)計算Kalman增益矩陣;

(6)

(7)

(5)根據(jù)式(7)的計算結(jié)果修正預(yù)測誤差方差:

Pt|t=[I-KtHt]Pt|t-1

(8)

2.2 財務(wù)風(fēng)險在線預(yù)警

風(fēng)險評估庫的主要作用是對財務(wù)風(fēng)險數(shù)據(jù)中出現(xiàn)的異常數(shù)據(jù)進行風(fēng)險評估,實現(xiàn)財務(wù)風(fēng)險在線預(yù)警[11]。根據(jù)風(fēng)險狀態(tài)的輕重緩急,將風(fēng)險等級劃分為五級,劃分標(biāo)準(zhǔn)如表1所示。假設(shè)等級劃分的第一檔基礎(chǔ)分為x,第二檔為y,風(fēng)險評估的實際結(jié)果為o,那么異常財務(wù)數(shù)據(jù)的評估功效系數(shù)z為

表1 財務(wù)風(fēng)險等級詳情

z=(o-y)/(x-y)

(9)

由式(9)可得出等級的調(diào)整分f為

f=z*(x-y)

(10)

將基礎(chǔ)分與調(diào)整分相加,即為異常財務(wù)數(shù)據(jù)的單項指標(biāo)得分,各個指標(biāo)得分相加即為綜合得分[12],如式(11)所示:

(11)

式中:J為指標(biāo)的權(quán)數(shù)。計算式(11)即可獲得財務(wù)數(shù)據(jù)的風(fēng)險等級劃分。

通過表1的風(fēng)險等級劃分標(biāo)準(zhǔn),電爐企業(yè)可自行檢查,如若發(fā)現(xiàn)風(fēng)險狀態(tài)較高的情況,應(yīng)及時采取措施加以改善,避免出現(xiàn)嚴(yán)重后果。在本模型中,根據(jù)風(fēng)險狀態(tài)和警情的不同,設(shè)定了管控手段[13-15]。首先,提取異常財務(wù)風(fēng)險信息,利用編程語言獲得信息代碼,并利用大數(shù)據(jù)技術(shù)對其進行深入分析;最終根據(jù)風(fēng)險特點,采取相應(yīng)的處理方式實施對財務(wù)風(fēng)險的管控,及時規(guī)避財務(wù)風(fēng)險事件的發(fā)生。

3 實驗分析

為了及時發(fā)現(xiàn)和糾正模型中的不足,進行模型性能測試實驗,在模型構(gòu)建過程中,選取了5家公司2020年度的財務(wù)運營狀況作為抽樣樣本,以2021年度的財務(wù)運營狀況為測試樣本,利用該模型對2021年度的財務(wù)風(fēng)險狀況進行了預(yù)警,并與文獻[1]、文獻[2]方法進行對比。

3.1 異常財務(wù)數(shù)據(jù)濾波效果

選取了某電爐企業(yè)3組異常財務(wù)數(shù)據(jù)作為測試用例,將與文獻[1]、文獻[2]方法進行實際應(yīng)用性能對比。驗證不同方法對異常財務(wù)數(shù)據(jù)的濾波效果,如圖3所示。

圖3 異常財務(wù)數(shù)據(jù)濾波效果

如圖3所示,3組異常財務(wù)數(shù)據(jù)分布較為混亂,而經(jīng)本文方法濾波處理后,剔除了邊緣數(shù)據(jù),對不同種類的數(shù)據(jù)進行了準(zhǔn)確聚類,有效提升了數(shù)據(jù)的處理性能。得出上述結(jié)果的原因為,本文方法采用卡爾曼濾波技術(shù)對財務(wù)信息進行濾波,能夠濾除異常財務(wù)數(shù)據(jù)中的冗余數(shù)據(jù),實現(xiàn)異常財務(wù)數(shù)據(jù)的聚類。

3.2 速動比率及固定資產(chǎn)周轉(zhuǎn)率預(yù)測性能

將2021年度3家公司的主要財務(wù)指標(biāo)——速動比率和固定資產(chǎn)周轉(zhuǎn)率——進行了預(yù)測,其中,速動比率是指電爐企業(yè)在一定經(jīng)營期間的速動資產(chǎn)與流動負債的比率,固定資產(chǎn)周轉(zhuǎn)率是電爐企業(yè)銷售收入與固定資產(chǎn)凈值的比率。給出了相應(yīng)的預(yù)測結(jié)果,如圖4所示。

圖4 電爐企業(yè)財務(wù)指標(biāo)預(yù)測結(jié)果

從圖4可以看出,利用本文的預(yù)警模型進行訓(xùn)練,得出5家公司的速動比率、固定資產(chǎn)周轉(zhuǎn)率兩項指標(biāo)具有很好的預(yù)測效果,并且與實際值的偏差很小,證明了本文模型對電爐企業(yè)財務(wù)風(fēng)險指標(biāo)的預(yù)測準(zhǔn)確性較好。在預(yù)警模型中,可以根據(jù)對5家公司的統(tǒng)計數(shù)據(jù)設(shè)定速動率和固定資產(chǎn)周轉(zhuǎn)率的閾值。將速動比率閾值設(shè)定為0.6,資產(chǎn)周轉(zhuǎn)率設(shè)定為5,運用本文模型進行電爐企業(yè)財務(wù)風(fēng)險預(yù)警。當(dāng)速動比率小于0.6時,要重視負債風(fēng)險,而在固定資產(chǎn)周轉(zhuǎn)率為5以下時,要重視電爐企業(yè)設(shè)備利用率的風(fēng)險。

3.3 預(yù)警用時及誤報率

在此基礎(chǔ)上測試不同方法的預(yù)警用時與誤報率,驗證不同方法在處理數(shù)據(jù)預(yù)警效率與精度方面的性能。實驗結(jié)果如圖5、圖6所示。

圖5 三種方法預(yù)警誤報率對比結(jié)果

圖6 三種方法預(yù)警用時對比

從圖5中可以看出,在對異常財務(wù)數(shù)據(jù)誤報率的計算過程中,文獻[1]方法誤報率的波動范圍在3.5%～4.5%,平均誤報率為4.1%;文獻[2]方法誤報率的波動范圍在4.5%～6.2%,平均誤報率為5.6%;本文方法誤報率的波動范圍在0.5%～1.0%,平均誤報率僅為0.7%。不管隨著數(shù)據(jù)量如何變化,本文方法誤報率始終低于其他兩種方法,說明本文方法預(yù)警計算精度較高。并且本文方法的計算殘差在0.8～1.3,也體現(xiàn)了本文方法的計算誤差較小,計算結(jié)果準(zhǔn)確。分析得出上述結(jié)果的原因為,本文方法詳細分析了財務(wù)風(fēng)險在線預(yù)警指標(biāo),并計算了指標(biāo)的財務(wù)風(fēng)險狀態(tài)預(yù)測值,以指標(biāo)預(yù)測值為依據(jù)劃分了財務(wù)風(fēng)險等級詳情,實現(xiàn)了電爐企業(yè)財務(wù)風(fēng)險準(zhǔn)確預(yù)警。

從圖6中可以看出,在異常財務(wù)數(shù)據(jù)數(shù)量相同的前提下,本文方法預(yù)警用時均低于文獻[1]與文獻[2]兩種方法。隨著測試數(shù)據(jù)的不斷增加,其他兩種方法曲線呈直線上升的趨勢,而本文方法的曲線則趨于平穩(wěn),呈緩慢上漲的趨勢。當(dāng)數(shù)據(jù)量達到6 000 Mb,文獻[1]方法的預(yù)警用時為110 s,文獻[2]方法的預(yù)警用時為105 s,本文方法的預(yù)警用時為28 s。分析得出該結(jié)果的原因是本文方法由于引入了卡爾曼濾波算法,濾除了數(shù)據(jù)冗余,保留了有效數(shù)據(jù),因此預(yù)警過程中的無效數(shù)據(jù)較少,提升了預(yù)警效率。

綜上所述,本文在處理異常財務(wù)數(shù)據(jù)時,具有超低的預(yù)警誤報率和用時,為在線預(yù)警模型實施手段提供了堅實的技術(shù)基礎(chǔ)。

3.4 異常財務(wù)數(shù)據(jù)風(fēng)險在線預(yù)警性能分析

在驗證了三種方法預(yù)警誤報率和預(yù)警耗時后,為進一步體現(xiàn)所設(shè)計模型的實際應(yīng)用性,驗證本文設(shè)計的財務(wù)風(fēng)險在線預(yù)警模型在實際應(yīng)用中是否有效。分別運用三種方法對3組異常財務(wù)數(shù)據(jù)進行風(fēng)險在線預(yù)警,對比三種方法下對測試用例的風(fēng)險等級評判是否正確,實驗結(jié)果如表2所示。

表2 三種方法下異常財務(wù)數(shù)據(jù)風(fēng)險等級對比

由表2可知,采用三種方法對異常財務(wù)數(shù)據(jù)進行風(fēng)險在線預(yù)警后,風(fēng)險評價指數(shù)和風(fēng)險狀態(tài)均有所改善,但是本文方法在線預(yù)警下數(shù)據(jù)風(fēng)險等級與其原數(shù)據(jù)風(fēng)險等級一致,預(yù)警準(zhǔn)確性均優(yōu)于其他兩種方法,說明本文方法對于財務(wù)風(fēng)險的在線預(yù)警能力更強。綜上所述,本文方法的預(yù)警用時較短,誤報率較小,且異常財務(wù)數(shù)據(jù)風(fēng)險在線預(yù)警結(jié)果準(zhǔn)確,體現(xiàn)了該方法在電爐企業(yè)財務(wù)風(fēng)險預(yù)警方面的有效性。

4 結(jié) 論

針對傳統(tǒng)方法在處理財務(wù)風(fēng)險數(shù)據(jù)時,常常出現(xiàn)計算效率低、風(fēng)險在線預(yù)警能力差等問題,在卡爾曼濾波的基礎(chǔ)上,提出了財務(wù)風(fēng)險在線預(yù)警模型。本文設(shè)計的財務(wù)風(fēng)險在線預(yù)警模型,適應(yīng)財務(wù)發(fā)展需求,通過信息庫和風(fēng)險評估庫的支持,制定了風(fēng)險評估等級劃分標(biāo)準(zhǔn),根據(jù)不同的風(fēng)險狀態(tài)采取相應(yīng)的對策,提高財務(wù)數(shù)據(jù)的計算效率,為財務(wù)風(fēng)險做好規(guī)避措施,避免出現(xiàn)財務(wù)風(fēng)險問題。