基于粗糙集理論的財務危機預警研究

[摘 要] 本文針對財務危機預警中財務比率數(shù)量較多時計算量較大的問題，提出了基于粗糙集理論的財務危機預警模型，將財務比率分別作為條件屬性，將企業(yè)所處的狀態(tài)作為決策屬性，從而構成一個財務預警決策系統(tǒng)#65377;通過對決策表的屬性約簡和規(guī)則約簡，得到?jīng)Q策系統(tǒng)的最小決策規(guī)則，從而實現(xiàn)財務危機預警#65377;測試結果表明，該方法的預警結果正確#65380;有效#65377;

[關鍵詞] 財務危機;預警;粗糙集理論

[中圖分類號]F275.5[文獻標識碼]A[文章編號]1673-0194(2007)10-0059-03

一#65380;引 言

財務危機(financial distress)是指企業(yè)喪失償還到期債務的能力#65377;而財務危機預警是以現(xiàn)有的財務比率為基礎，通過建立數(shù)學模型來預警企業(yè)財務危機發(fā)生的可能性#65377;建立切合企業(yè)實際的財務危機預警系統(tǒng)，具有降低企業(yè)經(jīng)營風險#65380;投資風險以及防范金融危機的積極作用#65377;對于預警模型的構建，目前采用最多的是多元判別分析法(Multivariate Discriminant Analysis， MDA)#65380;Logistic回歸法和神經(jīng)網(wǎng)絡(Artificial Network， ANN)法#65377;這些方法在財務比率數(shù)量較多時都存在計算復雜的問題，為此本文提出了基于粗糙集理論的財務危機預警方法#65377;

二#65380;財務比率的初步選擇

1. 財務比率的初選原則

(1) 考慮以前財務危機預警研究中采用的財務比率#65377;在以前關于財務危機預警的研究中，財務比率的選擇有一定的科學性和合理性#65377;

(2) 反映企業(yè)盈利能力的原則#65377;企業(yè)的盈利是其償還債務的重要資金來源，企業(yè)的盈利能力越強，償還到期債務越有保障，發(fā)生財務危機的可能性越小#65377;

(3) 體現(xiàn)企業(yè)償債能力的原則#65377;運營能力是指企業(yè)生產(chǎn)經(jīng)營中各項資產(chǎn)周轉速度所反映出來的企業(yè)資產(chǎn)運用效率，它不僅能反映企業(yè)的資產(chǎn)管理水平和資產(chǎn)配置組合能力，而且也影響著企業(yè)的償債能力和盈利能力#65377;

(4) 可操作性原則#65377;滿足上述原則的財務比率很多，但有些指標的數(shù)據(jù)很難取得，需要耗費大量的人力和物力，因此這些取得成本很高的財務比率不予考慮#65377;

(5) 可比性原則#65377;財務比率的選擇應具有可比性，如每股收益#65380;每股凈資產(chǎn)等將不予考慮，因為其與各上市公司發(fā)行在外的普通股股數(shù)有顯著的關系，不具可比性#65377;

2. 財務比率的初步選擇

根據(jù)上述的財務比率初選原則，并結合我國企業(yè)的現(xiàn)狀，本文選擇如下12個財務比率:流動比率#65380;速動比率#65380;總資產(chǎn)周轉率#65380;存貨周轉率#65380;應收款周轉率#65380;資產(chǎn)負債比率#65380;已獲利息倍數(shù)#65380;凈資產(chǎn)收益率#65380;銷售利潤率#65380;銷售增長率#65380;凈資產(chǎn)增值率和總資產(chǎn)增長率#65377;

三#65380;基于粗糙集理論的財務比率選擇

Pawlak提出的粗糙集理論是一種刻畫不完整和不確定性數(shù)據(jù)的數(shù)學工具，它以對觀察和測量數(shù)據(jù)進行分類為基礎，通過對數(shù)據(jù)進行分析#65380;近似分類#65380;推理數(shù)據(jù)間的關系，從中發(fā)現(xiàn)隱含的知識，揭示其潛在的規(guī)律，從而在模式識別#65380;機器學習#65380;數(shù)據(jù)挖掘等領域得到廣泛的應用#65377;

1. 基于粗糙集理論的財務危機預警系統(tǒng)

假設基于粗糙集理論的財務危機預警系統(tǒng)為K=(U， A)，論域U是各預警企業(yè)的集合，A是由企業(yè)各種財務比率和企業(yè)狀態(tài)組成的屬性集，Va為每個屬性a∈A的屬性值#65377;

定義1(不可分辨關系) 給定財務危機預警系統(tǒng)K=(U， A)，對于每個子集B?哿A定義一個等價關系IND(B)，稱作不可分辨關系:

IND(B)={(x，y)∈U2: a∈B(a(x)=a(y))}(1)

[x]B表示對象x∈U關于B的等價類#65377;

定義2(上近似#65380;下近似和邊界) 給定財務危機預警系統(tǒng)K=(U， A)，X?哿U是一個對象的集合，B?哿A是屬性的集合，則B—下近似#65380;B—上近似和B—邊界為:

2. 基于粗糙集理論的財務危機預警算法實現(xiàn)

(1) 獲得原始數(shù)據(jù)#65377;根據(jù)前面選擇的財務比率，選擇63個企業(yè)的財務比率作為樣本#65377;其中21個財務狀況正常的企業(yè)，21 個財務狀況值得關注的企業(yè)和21個財務狀況已產(chǎn)生危機的企業(yè)，在每類中隨機選取1個樣本作為測試集，其余60個作為訓練集進行試驗，訓練原始數(shù)據(jù)如表1所示#65377;

(2) 設計決策表#65377;將財務比率X1～X12分別作為條件屬性a～l，將企業(yè)所處的狀態(tài)作為決策屬性m#65377;根據(jù)等頻率劃分的離散化方法，將各條件屬性和決策屬性按以下方式進行編碼:a#65380;b#65380;c屬性值表示范圍:1:0～0.5，2:0.5～1.0，3:1.0～1.5，4:>1.5;d屬性值表示范圍:1:0～0.1，2:0.1～0.5，3:0.5～1.0，4:>1.0;e屬性值表示范圍:1:0～5，2:5～10，3:10～20，4:>20;f屬性值表示范圍:1:0～0.3，2:0.3～0.6，3:0.6～1.0，4:>1.0;g屬性值表示范圍:1:<-10，2:-10～0，3:0～10，4:>10;h屬性值表示范圍:1:<-0.5，2:-0.5～0，3:0～0.1，4:>0.1; i#65380;j#65380;k屬性值表示范圍:1:<-0.5，2:-0.5～0，3:0～0.5，4:>0.5;決策屬性m屬性值表示范圍:1表示正常，2表示關注，3表示預警#65377;由原始數(shù)據(jù)表得到知識系統(tǒng)K=(U， A)的決策表，如表2所示#65377;

(3) 簡化決策表#65377;首先合并決策表中的重復信息，然后進行屬性約簡得到的最小屬性集為:{a，c， f，h，l}，最后進行規(guī)則約簡得到最小決策規(guī)則為:

a4∨f1∨l4∨a3h4∨c1h4∨c2h4∨c4 f2∨f2h4∨h4l3∨c2 f2l3→m1

a1 f2∨a1h3∨a1l2∨a2c2∨a2 f2∨a3h3∨c1 f2∨c2 f3∨c3h2∨c3h3∨c1h3∨f2l2∨a2c3l3∨a2h2l3∨a3 f3h2∨a3c3l3∨c2h1l2∨c2h3l3∨a2 f3h3l2→m2

f4∨l1∨a1c2∨a1 f3∨a1h1∨a1h2∨a1h3∨a2c4∨a2h4∨a3c3∨a3h1∨c1 f3∨c1h1∨c1l3∨c4 f3∨f3h4∨h4l2∨a2 f3h2∨a3 f2h2∨c2 f2h2∨c2f2l2→m3

(4) 模型驗證#65377;測試樣本數(shù)據(jù)如表3所示，將其離散化后，再進行約簡，決策表約簡后的數(shù)據(jù)如表4所示#65377;根據(jù)最小決策規(guī)則對測試數(shù)據(jù)進行財務危機預警分析，模型輸出如表4所示#65377;將模型輸出結果與測試數(shù)據(jù)對比可知，該模型的預警輸出正確#65377;

四#65380;結束語

本文利用粗糙集理論的數(shù)據(jù)挖掘能力，對財務危機比率進行了約簡，從而使財務危機比率數(shù)量大大減少，并利用粗糙集理論從原始數(shù)據(jù)中挖掘出的最小規(guī)則作為財務危機預警模型，進行財務預警#65377;測試結果表明，該方法正確有效#65377;

注：“本文中所涉及到的圖表、注解、公式等內(nèi)容請以PDF格式閱讀原文。”