基于群體智能算法優化的企業ROA與EPS預測模型研究

林建邦 王天

摘要：《中國制造2025》的正式出臺，使得強國目標已由“中國制造”向“中國智造”轉型，也意味著新的“智能科技時代”已然到來。然而，由于中國智能科技發展起步較晚，如何找出評估智能科技企業運營指標與模型，是目前最重要的課題。文章提出以果蠅演算法分別優化企業的ROA與EPS的預測模型，并篩選出對預測模型有顯著影響的財務指標。結果表明，果蠅演算法對于優化企業運營能力的ROA模型與EPS模型有顯著的效力，證明果蠅演算法在實際的企業運營能力預測中能夠有效提高效力；并且，FOA-ROA模型又相對比FOA-EPS模型的預測能力佳。

關鍵詞：果蠅優化演算法；智能科技；運營能力；預測模型

1.前言

2015年5月，中國國務院正式發布了《中國制造2025》規劃，對于中國制造業的發展重新進行戰略的部署，強國目標已由“中國制造”向“中國智造”轉型，智能科技將成為企業發展的重點方向。當前，中國智能科技產業營業收入雖逐年提升，然而，由于中國智能科技產業發展起步較晚，目前對于該產業運營能力的評估與預測也無具體的指標與模型，容易在產業高度發展的過程中出現無法控制的經營危機，影響產業持續發展。

有鑒于此，本研究采用學者潘文超（2011）提出的果蠅優化演算法（fruit fly optimization algorithm，FOA）進行預測模型優化，主要由于FOA的計算量較少，算法簡單、全局尋優能力強，尋優精度較高、適用于優化模型參數且應用價值較高，過去在不同領域的應用比較上，FOA都有非常不錯的表現。因此，本研究結合FOA優化中國智能科技企業運營能力預測模型的效力，建構出一套較適用于中國的智能科技企業運營能力預測模型，將有助于國內智能科技產業經營戰略和健全體制的發展，對于企業運營具有更強的實用意義，同時，帶動后續研究者進行更加深入和多角度的研究。

2.國內外相關研究

2.1智能科技企業運營能力預測指標

企業的運營能力即企業經營績效，用以評估一定經營期間內，企業特定經營目標達成程度的高低，是衡量企業經營活動結果的綜合性體現。由過去文獻可知，在智力或技術導向的產業中，總資產報酬率（ROA）或每股盈余（EPS）是常被用于評估企業經營績效的財務指標。然而，對于企業經營績效有顯著影響的變量基本由結構資本、流程資本涵蓋，如總資產周轉率、固定資產周轉率、存貨周轉率等對企業績效產生正向影響；而在進行科技相關企業的研究中均包含與研發投入相關之指標，如研發費用率、研發生產力、研發密集度等創新資本指標，研發投入越多，企業的績效越好，競爭力越強。

2.2果蠅演算法應用相關文獻探討

果蠅演算法良好的優化效力已在不同的領域中被廣泛應用，例如，通過優化不同預測模型的參數值，進行金融風險的預警與企業績效的預測；提供對地區用電荷載能力的預測；基金投資回報率的預測；汽車零部件銷售預測以及尖離峰時段的交通預測，其預測效力皆明顯優于原預測模型；另一方面，FOA在與其他優化算法如遺傳算法、魚群算法、免疫算法、和聲算法、人工蜂群或混合蛙跳算法的比較中，也均表現出更好的優化性能。

國內的智能科技產業屬于較新興的產業，在過去的相關研究中，很少有學者將FOA能科技產業并對企業運營能力進行預測。因此，本研究嘗試通過FOA優化預測模型的參數，構建中國智能科技企業運營能力預測模型，提高對企業運營能力的預測能力，為智能科技產業的發展提供具有參考性的運營建議，使其更穩定快速地發展。

3.實證研究

3.1樣本數據與變量

本研究通過國泰安數據庫篩選2006-2016年中國智能科技企業財務數據，共計2 554筆。由于智能科技企業屬于智力及技術導向的企業，本研究以文獻中最常用的ROA與EPS作為應變量。預測模型的自變量則主要選取結構資本、流程資本與創新資本所涵蓋之指標，其中包含：應收賬款周轉率、存貨周轉率、固定資產周轉率、總資產周轉率、營業凈利率、管理費用率、研發費用、研發費用率、研發生產力，并進一步篩選出有顯著影響的自變量。

3.2影響預測運營能力的顯著指標

本研究首先采用多元逐步回歸方法，分別建構ROA與 EPS的運營能力預測模型，并篩選出顯著自變量。由表1可知，在兩模型中的顯著變量基本包括“固定資產周轉率”“總資產周轉率”及“研發生產力”，是相對重要的顯著指標。

3.3果蠅演算法優化模型對比分析

本研究采用FOA分別優化ROA與EPS回歸模型的參數，初始設定均為5個果蠅群體，隨機初始化果蠅群體位置區間為[0，1]，迭代的果蠅搜尋食物的隨機飛行方向與距離區間為[-1，1]，設定最高迭代次數為100。

由表2可知，經由FOA迭代的尋優后，ROA回歸模型RMSE值為0.002，最佳預測模型在固定資產周轉率、總資產周轉率及研發生產力的優化參數分別為0.039、0.038、0.039；EPS回歸模型RMSE值為0.006，最佳預測模型在固定資產周轉率、總資產周轉率及研發生產力的優化參數分別為0.037、0.038、0.038，證明FOA在優化預測模型上有非常好的效果，且FOA-ROA預測的RMSE相對優于FOA-EPS，可優先選擇FOA-ROA作為中國智能科技企業運營能力的預測模型。

結論

中國智能科技產業高速發展的同時，更需要明確的適用指標或模型來對企業運營能力進行預測及戰略指導。本研究通過數據庫獲得的樣本財務指標，進行中國智能科技企業運營能力預測模型建構，并采用FOA分別優化ROA與EPS多元回歸模型。研究結果顯示，經由FOA優化后的兩種模型預測效力明顯獲得提升，預測誤差降幅皆高達99%以上。

本研究得出適合中國智能科技企業運營能力的預測模型（FOA-ROA）中，顯著的變量為“固定資產周轉率”“總資產周轉率”及“研發生產力”。 由此可知，對企業固定資產及整體資源的營運能力越強、效率越高，對企業經營績效的提升越有利；而對于智能科技企業而言，能夠通過研發投入開發生產出迎合市場需求之產品或服務，有效化企業研發開支的產出，對于企業的整體價值的提升將具有重要的推動作用。

參考文獻：

[1]潘文超.應用果蠅優化算法優化廣義回歸神經網絡進行企業經營績效評估[J].太原理工大學學報（社會科學版），2011，29（4）：1-5.

[2]吳小文，李撃.果蠅算法和5種群智能算法的尋優性能研究[J].火力與指揮控制，2013（04）：18-19.

[3]WANG W Y，CHANG C F. Intellectual capital and performance in causal models[J].Journal of Intellectual Capital，2005，2（6）：222-236.

[4]盧彥儒.臺灣IC設計產業智慧資本對經營績效影響之研究[D].臺灣：交通大學，2011（18）

[5]VENKATRAMAN N， RAMANUJAM V. Measurement of business performance in strategy research： a comparison of approaches [J].Academy of Management Review，1985，11（4）：801-814.

[6]SVEIBY K E.Measuring intangibles and intellectual capital- an emerging first standard[J].Knowledge Management： Classic and Contemporary Works，2001：344-436.

[7]王文英，張清福.智慧資本影響績效模式之探討[J].會計評論，2004（39）：89-117.

[8]歐進士.我國企業研究發展與經營績效關聯之實證研究[J].中山管理評論，1998，6（2）：357-386.