基于BP神經(jīng)網(wǎng)絡(luò)的高校暫付款預(yù)測研究

岳喜馬　魏微

【摘 要】 高校暫付款管理水平關(guān)系著資金使用效率與財(cái)務(wù)風(fēng)險防范能力，甚至影響著高校會計(jì)信息的真實(shí)性。高校財(cái)務(wù)管理的精細(xì)化這一目標(biāo)直接對暫付款管理提出了更高要求。文章根據(jù)A省30所省屬本科高校2014年暫付款及影響暫付款規(guī)模的本年收入、本年支出、差旅費(fèi)、專用材料費(fèi)、其他商品服務(wù)支出與設(shè)備購置費(fèi)6個主要因素?cái)?shù)據(jù)，建立BP人工神經(jīng)網(wǎng)絡(luò)預(yù)測模型，仿真擬合歷史數(shù)據(jù)，并利用仿真模型預(yù)測暫付款規(guī)模，與主成分回歸模型比較，驗(yàn)證其預(yù)測精度。數(shù)據(jù)實(shí)證研究結(jié)果表明BP神經(jīng)網(wǎng)絡(luò)能捕捉到暫付款與其影響因素之間的非線性特性規(guī)律，能更好地預(yù)測暫付款規(guī)模。

【關(guān)鍵詞】 高校暫付款； BP神經(jīng)網(wǎng)絡(luò)； 主成分回歸； 預(yù)測

中圖分類號：F272.1；G647 文獻(xiàn)標(biāo)識碼：A 文章編號：1004-5937（2016）10-0111-05

引 言

隨著政府對高等教育事業(yè)投入的加大，高校暫付款項(xiàng)所占用資金的規(guī)模逐步增加，僅江蘇南京8所省屬本科高校“應(yīng)收及暫付款”總額2013年就達(dá)到2.5億元。這造成大量財(cái)政資金長期占用，不利于正確反映高校財(cái)務(wù)收支狀況，虛增債權(quán)，影響資產(chǎn)評價指標(biāo)，降低資金使用效率，加大高校財(cái)務(wù)風(fēng)險。合理預(yù)測高校暫付款規(guī)模是高校在財(cái)務(wù)管理方面從粗放型向精細(xì)化的一次轉(zhuǎn)變，對于高校實(shí)現(xiàn)教育經(jīng)費(fèi)規(guī)范化、科學(xué)化與精細(xì)化管理具有重要現(xiàn)實(shí)意義。

一、研究綜述

高校暫付款管理越來越引起專家和高校財(cái)務(wù)管理者重視。李智敏、李敏（2012）[ 1 ]分析了高校暫付款長期掛賬客觀與主觀原因，強(qiáng)調(diào)通過技術(shù)手段與財(cái)務(wù)結(jié)算創(chuàng)新達(dá)到控制暫付款的目的。徐耀琪（2011）研究了輔助編碼在應(yīng)收及暫付款賬務(wù)處理中的設(shè)置，以及在核銷過程中的實(shí)際應(yīng)用。陳麗紅（2012）通過具體案例分析了某高校暫付款具體成因，并明確清賬規(guī)則，規(guī)范會計(jì)基礎(chǔ)，加強(qiáng)監(jiān)督，實(shí)現(xiàn)對暫付款的有效控制。劉從兵（2013）[ 2 ]從實(shí)務(wù)角度利用Excel完成了高校暫付款管理系統(tǒng)的構(gòu)建，該系統(tǒng)加速了暫付款項(xiàng)占用資金周轉(zhuǎn)率，提升了暫付款的管理層次與效果。陳茜、梁勇（2013）[ 3 ]研究了高職院校暫付款管理特點(diǎn)，探討了內(nèi)控視角下高校暫付款管理的對策，應(yīng)從內(nèi)控環(huán)境、預(yù)算管理、審批責(zé)任控制、會計(jì)核算、信息溝通、審計(jì)監(jiān)督等方面加強(qiáng)控制，為學(xué)校持續(xù)健康發(fā)展提供一個良好的資金環(huán)境。

目前學(xué)者對于高校暫付款側(cè)重于形成內(nèi)外因、內(nèi)部控制以及管理策略等方面的研究，而在暫付款預(yù)測領(lǐng)域的研究還非常少，預(yù)測是高校科學(xué)決策的基礎(chǔ)，是高校財(cái)務(wù)管理精細(xì)化的飛躍。BP神經(jīng)網(wǎng)絡(luò)理論在預(yù)測領(lǐng)域的非線性映射能力與容錯性具有良好表現(xiàn)。因此，本文研究BP神經(jīng)網(wǎng)絡(luò)的高校暫付款預(yù)測是有一定學(xué)術(shù)價值的。

二、BP人工神經(jīng)網(wǎng)絡(luò)

1985年美國加州大學(xué)PDP研究小組提出向后傳播算法，形成BP神經(jīng)網(wǎng)絡(luò)理論。該方法通過誤差反向傳播與自學(xué)習(xí)，使用梯度搜索等優(yōu)化技術(shù)，不斷與預(yù)設(shè)精度對比，適應(yīng)調(diào)整實(shí)際輸出與實(shí)際值之間的均方差，實(shí)現(xiàn)其最小化并修正網(wǎng)絡(luò)連接權(quán)值。王惠文、孟潔（2007）[ 4 ]的研究表明：通過選擇適當(dāng)?shù)倪B接權(quán)值和傳遞函數(shù)，一個有足夠神經(jīng)元的單隱藏層的神經(jīng)網(wǎng)絡(luò)，可以逼近任意一個輸入和輸出之間的光滑的、可測量的函數(shù)。

BP神經(jīng)網(wǎng)絡(luò)具有良好的非線性映射逼近能力與容錯性，被廣泛應(yīng)用于分類、預(yù)測等領(lǐng)域。在經(jīng)濟(jì)領(lǐng)域中，孫偉、周潮等學(xué)者運(yùn)用BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)了對GDP與CPI預(yù)測；郭慶春、肖國榮等實(shí)現(xiàn)了在農(nóng)民收入、基金價格、企業(yè)成本等微觀經(jīng)濟(jì)領(lǐng)域的預(yù)測。在社會學(xué)領(lǐng)域，尹春華及眾多學(xué)者運(yùn)用該方法實(shí)現(xiàn)對人口數(shù)量、生育率的預(yù)測。在管理領(lǐng)域，王文富實(shí)現(xiàn)了對微觀企業(yè)人力資源結(jié)構(gòu)的預(yù)測，胡澤文實(shí)現(xiàn)了對科技產(chǎn)出的預(yù)測。綜上，BP神經(jīng)網(wǎng)絡(luò)由于其獨(dú)特的自學(xué)習(xí)、自適應(yīng)、非線性擬合的特性，在經(jīng)濟(jì)、社會、管理等諸多領(lǐng)域預(yù)測方面得到廣泛使用。因此，本研究運(yùn)用BP神經(jīng)網(wǎng)絡(luò)預(yù)測高校暫付款具有理論與現(xiàn)實(shí)基礎(chǔ)。

三、高校暫付款預(yù)測模型建立

（一）指標(biāo)確定

影響高校暫付款規(guī)模的因素很多，如高校不同發(fā)展時期、內(nèi)部控制環(huán)境、管理水平等。在高校會計(jì)實(shí)務(wù)中，購買設(shè)備的合同預(yù)付款、與單位結(jié)算的工程款項(xiàng)、相對于個人占用資金額度較大的因公差旅費(fèi)、材料費(fèi)、資料費(fèi)、版面費(fèi)及其他商品服務(wù)支出的預(yù)支款項(xiàng)是形成高校暫付款的主要原因，與李智敏、李敏（2012）[ 1 ]分析暫付款成因的結(jié)論相同。因此，本研究選取本年收入、本年支出、差旅費(fèi)、專用材料費(fèi)、其他商品服務(wù)支出、設(shè)備購置費(fèi)相對關(guān)鍵的六個因素作為考察變量，定量分析這六個因素對高校暫付款規(guī)模的影響。

（二）BP人工神經(jīng)網(wǎng)絡(luò)模型

本研究通過編程，調(diào)用Matlab7.13后臺自帶BP神經(jīng)網(wǎng)絡(luò)工具箱建立模型。首先，讀取矩陣形式的自變量（本年收入、本年支出、差旅費(fèi)、專用材料費(fèi)、其他商品服務(wù)支出、設(shè)備購置費(fèi)）與因變量（暫付款規(guī)模）。其次，設(shè)定中間層初始神經(jīng)元個數(shù)。再次，為避免過分?jǐn)M合，隨機(jī)將樣本數(shù)據(jù)分成訓(xùn)練組、檢驗(yàn)組與驗(yàn)證組。70%樣本采用trainlm函數(shù)的馬夸特法則訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)，學(xué)習(xí)規(guī)則采用learngdm函數(shù)；20%樣本檢驗(yàn)網(wǎng)絡(luò)的適應(yīng)能力，當(dāng)網(wǎng)絡(luò)適應(yīng)能力滿足預(yù)設(shè)條件時，停止訓(xùn)練；10%樣本用于驗(yàn)證所訓(xùn)練網(wǎng)絡(luò)能力。最后，通過不斷調(diào)節(jié)中間層神經(jīng)元個數(shù)，多次運(yùn)行程序，反復(fù)訓(xùn)練網(wǎng)絡(luò)，達(dá)到最優(yōu)結(jié)果。

（三）主成分回歸模型

模型選擇變量如下：被解釋變量為暫付款規(guī)模Y，解釋變量為本年收入（X1）、本年支出（X2）、差旅費(fèi)（X3）、專用材料費(fèi)（X4）、其他商品服務(wù)支出（X5）、設(shè)備購置費(fèi)（X6）。

由于財(cái)務(wù)數(shù)據(jù)各指標(biāo)之間相互影響[ 5-6 ]，容易出現(xiàn)同增或同降近似線性現(xiàn)象，在建立多元回歸方程中，易出現(xiàn)共線性、增加參數(shù)方差、剔除主要解釋變量等問題。主成分回歸是利用了多元線性回歸的思想，只是在自變量處理上不同，因此本文利用SPSS20，采用主成分回歸分析的方法[ 7 ]，先對所有變量進(jìn)行標(biāo)準(zhǔn)化，其次對標(biāo)準(zhǔn)化后自變量提取主成分，然后建立主成分標(biāo)準(zhǔn)回歸方程，最后還原成原始變量的回歸方程，并與人工神經(jīng)網(wǎng)絡(luò)進(jìn)行比較。

四、高校暫付款預(yù)測分析實(shí)證研究

（一）數(shù)據(jù)來源與描述性統(tǒng)計(jì)

本研究通過高校財(cái)務(wù)網(wǎng)站公開、實(shí)地調(diào)研收集了A省30所本科高校2014年暫付款規(guī)模、本年收入、本年支出、差旅費(fèi)支出、專用材料費(fèi)支出、其他商品服務(wù)支出及設(shè)備購置費(fèi)支出等樣本數(shù)據(jù)。樣本描述性統(tǒng)計(jì)如表1所示。

（二）與主成分回歸結(jié)果比較分析

首先，對所有變量進(jìn)行Pearson相關(guān)性檢驗(yàn)，判斷共線性程度，如表2所示。由表2可知，本年收入與本年支出、差旅費(fèi)、材料費(fèi)、其他商品服務(wù)支出之間相關(guān)系數(shù)均大于0.75，這表明自變量之間存在嚴(yán)重共線性問題。此外，利用方差膨脹系數(shù)以及最后一個特征值（等于0.002，近似為0），進(jìn)一步驗(yàn)證了多元線性回歸模型中存在多重共線性問題。因此，本研究采用主成分回歸模型進(jìn)行樣本數(shù)據(jù)擬合。

對回歸模型進(jìn)行檢驗(yàn)，結(jié)論如下：（1）擬合度。R=0.965，R2=0.932，調(diào)整R2=0.917，且接近于1，說明擬合度很好。自變量解釋了因變量93.2%的變化。（2）回歸方程整體線性檢驗(yàn)。根據(jù)Anova方差分析，F(xiàn)=63.17，顯著性Sig=0.00，說明Z1、Z4、Z5從整體上對Y*有十分顯著的影響，即回歸方程高度顯著。（3）變量顯著性檢驗(yàn)。表4中Z2、Z3的t值均大于0.05，不能引入回歸方程，故被剔除。

由最終原始變量構(gòu)成的預(yù)測模型中回歸系數(shù)及符號可以看出：首先，專用材料費(fèi)對暫付款規(guī)模影響最為重要且負(fù)相關(guān)，主要是因?yàn)锳省加大對高校學(xué)科、品牌專業(yè)、高教研究投入且在經(jīng)費(fèi)使用方向給予了明確規(guī)定，因此表現(xiàn)為在經(jīng)費(fèi)支出中實(shí)驗(yàn)購置材料費(fèi)的金額和業(yè)務(wù)數(shù)量都比較大，在報銷時沖抵暫付款，對暫付款規(guī)模產(chǎn)生負(fù)向主要影響。其次，影響較大的是差旅費(fèi)，因?yàn)楦咝＝?jīng)濟(jì)事項(xiàng)中調(diào)研、交流、開會、學(xué)習(xí)業(yè)務(wù)量是非常大的，教職工借款的金額一般是比較充足的，這就導(dǎo)致暫付款不能有足夠支出完全沖抵，造成了差旅費(fèi)支出與暫付款規(guī)模同增的現(xiàn)象。再次，影響較大的是設(shè)備購置費(fèi)，由于高校設(shè)備采購單筆一般占用資金量較大，調(diào)試周期較長，采購招標(biāo)、付款、入庫等環(huán)節(jié)手續(xù)也比較復(fù)雜，導(dǎo)致了大量資金占用。另外，本年收入、本年支出與暫付款規(guī)模正向相關(guān)，主要是：（1）財(cái)政投入與其他收入增加，導(dǎo)致了高校經(jīng)濟(jì)業(yè)務(wù)增量，帶來了暫付款規(guī)模自然增長；（2）當(dāng)本年支出較大時，一方面是由于高校本身各類支出規(guī)模自然增長，另一方面是以前年度的暫付款在當(dāng)年形成支出，而本年投入經(jīng)費(fèi)形成的暫付款超過了結(jié)清以前年度暫付款，因此呈現(xiàn)正向相關(guān)關(guān)系。最后，其他商品服務(wù)支出與暫付款規(guī)模呈負(fù)向相關(guān)，主要是高校逐步在學(xué)生實(shí)習(xí)實(shí)踐環(huán)節(jié)投入加大，實(shí)習(xí)實(shí)踐費(fèi)用、廣告宣傳、版面費(fèi)等費(fèi)用增加，此類暫付款一般金額較小，及時沖抵，導(dǎo)致與暫付款規(guī)模的負(fù)向變化。

將樣本數(shù)據(jù)按因變量（暫付款規(guī)模）從小到大排列，采用本文BP神經(jīng)網(wǎng)絡(luò)模型流程進(jìn)行仿真。圖1所示為人工神經(jīng)網(wǎng)絡(luò)模型與主成分回歸擬合優(yōu)度，表5所示為部分A省高校暫付款規(guī)模采用主成分回歸擬合值、神經(jīng)網(wǎng)絡(luò)仿真值與真實(shí)值之間的對比。

為比較兩種方法預(yù)測精度，構(gòu)造主成分回歸擬合值絕對誤差與BP仿真值絕對誤差兩個統(tǒng)計(jì)量，通過非參數(shù)檢驗(yàn)驗(yàn)證這兩個統(tǒng)計(jì)量均服從正態(tài)分布，并進(jìn)行了配對樣本的t檢驗(yàn)，置信區(qū)間水平設(shè)置為95%。原假設(shè)：H0=BP仿真值絕對誤差-主成分回歸擬合值絕對誤差≥0。從表6雙側(cè)顯著性Sig指標(biāo)可知：左側(cè)檢測時p=0.077/2=0.0385<0.05，因此拒絕原假設(shè)，認(rèn)為BP仿真值絕對誤差明顯小于主成分回歸擬合值絕對誤差。由圖1、表5和表6可以看出：即使在樣本數(shù)據(jù)量較小的情況下，人工神經(jīng)網(wǎng)絡(luò)模型仿真值與實(shí)際值擬合程度也較高，優(yōu)于主成分回歸方程的擬合值。說明造成高校暫付款規(guī)模較大的原因較多，影響因素與暫付款規(guī)模之間存在非線性的模糊映射關(guān)系，而不是簡單的線性關(guān)系。

（三）暫付款預(yù)測精度比較分析

為了進(jìn)一步驗(yàn)證BP神經(jīng)網(wǎng)絡(luò)的預(yù)測精度，對檢測樣本暫付款規(guī)模分別運(yùn)用上述兩種模型進(jìn)行預(yù)測，比較與實(shí)際值之間的差異，如表7所示。

由表7可知：BP神經(jīng)網(wǎng)絡(luò)對檢測樣本預(yù)測誤差為2.58%，預(yù)測精度為97.42%；而主成分回歸預(yù)測模型的誤差為12.88%，預(yù)測精度為87.12%。因此，在高校暫付款規(guī)模預(yù)測研究上，BP神經(jīng)網(wǎng)絡(luò)模型具有更高的預(yù)測精度。

五、結(jié)論

本文通過A省高校暫付款及影響因素分析，建立BP人工神經(jīng)網(wǎng)絡(luò)預(yù)測模型，仿真擬合歷史數(shù)據(jù)，并利用仿真模型預(yù)測暫付款規(guī)模，與主成分回歸模型比較。同時，構(gòu)造了主成分回歸擬合值絕對誤差與BP仿真值絕對誤差兩個統(tǒng)計(jì)量，進(jìn)行了配對樣本的t檢驗(yàn)，從統(tǒng)計(jì)學(xué)角度論證了BP仿真值絕對誤差明顯小于主成分回歸擬合值絕對誤差，證明了BP神經(jīng)網(wǎng)絡(luò)對高校暫付款規(guī)模擬合及預(yù)測精度優(yōu)于主成分回歸擬合及預(yù)測精度。

通過對A省高校暫付款及影響因素主成分回歸分析可知：專用材料費(fèi)、差旅費(fèi)、設(shè)備費(fèi)是影響高校暫付款形成的主要事項(xiàng)。在高校財(cái)務(wù)管理過程中，應(yīng)積極推進(jìn)公務(wù)卡結(jié)算制度，避免占用大量資金。在財(cái)務(wù)精細(xì)化管理中側(cè)重于對設(shè)備購置形成的暫付款進(jìn)行及時催報。此外，充分關(guān)注專用材料費(fèi)、差旅費(fèi)、設(shè)備費(fèi)與暫付款規(guī)模同期變化幅度，對暫付款規(guī)模趨勢形成預(yù)判，更好地采取有效措施，降低暫付款規(guī)模。

本研究驗(yàn)證了高校暫付款規(guī)模與其影響因素之間存在非線性的模糊映射關(guān)系。高校在控制暫付款規(guī)模過程中，可以通過利用BP人工神經(jīng)網(wǎng)絡(luò)對暫付款及其影響因素的歷史數(shù)據(jù)進(jìn)行擬合與仿真，并根據(jù)新的數(shù)據(jù)，對高校的暫付款規(guī)模進(jìn)行預(yù)測，提前做好積極應(yīng)對措施，降低暫付款規(guī)模，提高各類資金的使用效率，降低財(cái)務(wù)風(fēng)險，實(shí)現(xiàn)教育經(jīng)費(fèi)規(guī)范化、科學(xué)化與精細(xì)化管理。

【參考文獻(xiàn)】

[1] 李智敏，李敏.高校經(jīng)費(fèi)精細(xì)化管理之暫付款管理[J].教育財(cái)會研究，2012（10）：14-16.

[2] 劉從兵.應(yīng)用EXCEL構(gòu)建高校暫付款管理系統(tǒng)[J].財(cái)會月刊，2013（4）：102-104.

[3] 陳茜，梁勇.基于財(cái)務(wù)內(nèi)控建設(shè)的高職學(xué)院暫付款管理思考[J].財(cái)會通訊（綜合版），2013（5）：58-59.

[4] 王惠文，孟潔.多元線性回歸的預(yù)測建模方法[J].北京航空航天大學(xué)學(xué)報，2007（4）：501-504.

[5] 黃新建，王一惠，趙偉.管理者特征、過度自信與股價崩盤風(fēng)險：基于上市公司的經(jīng)驗(yàn)證據(jù)[J].會計(jì)之友，2015（20）：76-81.

[6] 羅如芳，周運(yùn)蘭，潘澤江.債務(wù)融資結(jié)構(gòu)對財(cái)務(wù)績效的影響研究：以我國民族地區(qū)上市公司為例[J].會計(jì)之友，2015（10）：64-68.

[7] 郭呈全，陳希鎮(zhèn).主成分回歸的SPSS實(shí)現(xiàn)[J].統(tǒng)計(jì)與決策，2011（5）：157-159.