企業財務危機預警的智能決策方法探微

劉立斌

【摘要】企業發展運營的過程中，企業危機最為綜合的體現便是財務危機。隨著我國證券市場的發展，企業各項制度不斷完善，財務危機必然會給企業帶來重要損失，影響到企業的生存和發展。因此，現階段企業發展中，財務危機預警成為急需解決的問題。以往財務危機預警中，采取的危機預警方式比較單一，存在一定的問題和不足。信息化時代背景下，人工智能技術不斷發展，需要從人工智能角度思考企業財務危機預警方式。

【關鍵詞】企業財務 ?危機預警 智能決策方法

目前，我國市場經濟發展的背景下，企業內部改革不斷深入，經濟全球化的發展給企業一體化發展帶來機遇。在激烈的市場競爭中，不少企業由于缺乏創新能力和管理能力被逐漸淘汰。在勁烈的市場環境中，對客觀環境缺乏深入的認知，導致企業面臨著更加的風險，出現經營失敗的危機。財務危機是企業危機的首要體現，結合企業財務危機預警問題，提出幾點智能決策方式。

一、人工智能單分類器財務危機預警方法

此類型的財務危機預警方法的基礎是機器學習預警，構建相應的財務危機預警模型，將預測結果向管理人員發出預警，以單分類器預測結果作為基礎，提高財務危機預測效果。企業財務危機預警決策方法主要有三角人工智能單分類技術：遺傳算法優化決策樹財務預警方法，以支持向量機作為基礎的財務危機預測方法和相似度加權投票組合危機預測方法。

第一，遺傳算法動態優化決策樹財務危機預測方法。在傳統的統計方法中，受到各方面的限制出現一定的問題，采取決策樹歸納學習方法，發掘企業財務危機預警預測知識，。決策樹方法不會受到統計方法的限制，具有速度快、簡單易用等優勢。從備選屬性集合中搜索相應的決策樹輸入屬性自己，對遺傳算法進行優化，實現決策樹的優化。借助遺傳算法的動態化優勢，完善財務危機預測方式，克服傳統決策樹應用中的困難，構建預測準確率作為目標的動態化決策樹。遺傳算法動態優化決策樹的財務危機預測方法的流程如下：群體初始化→適應度評價→選擇操作→交叉操作→變異操作→替代操作→終止條件判斷→最優決策樹。

第二，以支持向量機為基礎的財務危機預測方法。在對此方法研究中，需要對支持向量機原理進行探究，主要有線性支持向量機和非線性支持向量機兩種方式。在線性支持向量機的探究中，SVM是以線性可分作為基礎，不斷發展和演變的。方框點和圓點代表著兩種類型的雅本，中間的實線表示為分類線。非線性支持向量機是以非線性函數作為基礎思想，構件想換個的高維度空間，在空間變化的過程中，借助線性模型，明確非線性最大間隔超平面。支持向量機財務危機預測方法的流程如下：選擇核函數→確定模型參數→構建SVM模型→預測財務情況。

第三，相似度加權投票組合k近鄰案例財務危機預測。在CBR思想的基礎上，提出相應的財務預測方法，對已經發生的相似企業案例進行分析，對企業當前財務狀態進行預測。在設計的過程中主要有三個步驟：首先，需要明確案例中需要的重要特征，采取相應的描述方法構建相應的案例庫。其次，結合特征數形和案例檢索方式，獲取和當前案例相似的以往案例;最后，結合相似案例的類比數形，對當前企業案例財務情況開展相應的分析和預測工作，獲得有效的結果。

二、多分類器組成為基礎的財務危機預警方法

單分類器財務危機預警方法中可能出現片面性和不缺性性的問題，加強多分類器組合財務危機預警方法研究彌補這一問題，深入思考這一問題采取相應的組合機制，對企業財務危機開展組合預測，確保財務危機預測的準確性和穩定性，財務危機預警工作順利開展。多分類器組合的財務危機預測方法主要有并聯組合預測、串聯組合預測和混合組織預測。

第一，并聯組合模型。財務危機預測中國多分類并聯組合模型中，主要有若干基本分類器和一個并聯組合器，每個基本分類器完成財務危機預測，借助并聯組合器完成預測結果的整合，最終得到財務危機預測結果。在此種財務危機預警方法中，每個基本分類器預測見過是不同的信息片段，采取不同的方式獲取相應的信息內容，避免出現片面性問題，保證預測更加的穩定準確。

第二，串聯組合模型。在此種模型中主要包含有基本分類器以及總體分類器。在財務危機預測中，將財務情況輸入其中，堅持模型中的原則，將識別結果作為組合結果。在此模型中根據相應的次序連接基本分類器，每個基本分類器執行財務危機預測工作。財務危機預測的多分類器串聯組合模型，借助相應的經驗提高識別能力，得到相應的識別結果。

第三，混合組合模型。此種模型的基礎是串聯和并聯模型，充分發揮兩個模型的優勢，保證財務危機組合預測結果，構建財務危機預測混合組合模型。從整體上來說，財務危機預測多分類混合組合是串聯結構，每個串聯模塊的內部采取并聯結構形式，集合并聯和串聯的優勢，避免單個基本分類器的不穩定和不確定問題。從理論上來說，采取多樣化的方式做好財務危機預測工作，保證財務危機預測更加的準確和穩定。

三、以群決策作為基礎的財務危機預警方法

在企業財務危機預警方法中，以機器學習作為基礎，采取定量測量的方式，開展財務危機預警工作，具有動態化、高速化以及自動化的特點，同時也具有一定的局限性，對專家經驗和非財務信息預警作用缺乏考慮。因此，需要開展深層次的研究，如何有效利用專家經驗和知識，為企業財務危機預警提供服務。群決策財務危機預警方法主要是多個專家對財務危機因因素和財務情況進行分析，判斷企業的財務危機可能性，開展定性指標體系和評分標準，確定定性指標權重，財務危機可能性的灰色綜合評價等，借助此種財務危機預警方法可以完成相應的財務危機預警目的，為防范工作提供解決方式。定性指標權重是重要的環節，權重確定主要有主觀賦權和客觀賦權兩種方式，結合專家的財務危機預警經驗，明確財務危機預警指標，做好定性指標權重的分析。層次分析法是一種常用的方式，多個專家共同確定指標權重，在兩個環節基礎上綜合判斷結果，第一，判斷矩陣的權重計算;第二，對最終結果進行統一處理。在群決策環節，不同的專家之間對指標的重要性存在分歧，為了更好的解決專家共同確定指標權重的問題，通過相應的專家小組進行協商，采取有序加權平均的方式，對各類信息進行綜合。

四、結語

文章中對企業財務危機預警決策開展有效的分析和探究，根據財務危機預警理論知識，研究相應的智能化結果，采取綜合性的研究方式，對財務危機預警深入研究。通過深入的分析和研究，不斷豐富企業財務危機預警理論成果，根據企業實際情況指導財務危機預警工作，在財務危機爆發的初級階段，根據財務指標對財務危機預警進行探究，降低企業由于財務情況出現經營危機，提高企業競爭力。