網絡環境下醫藥化工企業財務風險預警防控系統設計

楊帥

摘要：針對網絡環境下醫藥化工企業財務風險的復雜多變性，為有效識別、預測風險，本文將根據風險識別、評價和預警的功能需求，融合Wind0Ws開發工具、Visual FreeBasic可視化集成編程環境及SQLServ-eT2008數據庫，構建醫藥化工企業財務風險預警防控系統的邏輯架構;并從經營、籌資和投資等不同層面，以現金流為導向，采用層次分析法、功效系數法選取敏感性的預警指標，并確定預警指數;同時，引入網絡數據挖掘技術收集、提取風險數據，形成樣本數據集合，并利用PsO-svM構建混合預警模型，以Pso技術對sVM模型的特征集和核函數參數進行同時性優化，以提升風險預測的效果，且經驗證該模型對于風險預測的準確度達到了90%，系統可正確判定風險、及時預警和防控。

關鍵詞：財務風險;內部控制;預警指標;風險識別

中圖分類號：R197.322;F232文獻標識碼：A 文章編號：1001-5922（2019）09-0127-06

財務風險是醫藥化工企業有效運行的最大阻礙要素，實時監測籌資、運營和投資等財務風險隱患，及時進行預警防控是有效緩解財務危機的核心所在。尤其網絡環境下，醫院化工企業財務管理的信息化已經成為必然趨勢，其將重塑和優化傳統會計核算流程和方法，在解決成本和效率問題、提升醫藥化工企業核心競爭力的同時，也將改變內部控制機制的監管職責和內容，致使內部控制權限劃分不明、管控不力，容易引發諸多財務風險，且因為網絡環境開放性、交互性，存在黑客、病毒人侵以及財務數據丟失等問題，這勢必影響醫藥化工企業財務的安全性，在此內部控制和外部環境因素的雙重作用下，財務風險的預警防控成為關鍵。而根據醫藥化工企業籌資、運營及投資等風險成因，可選定不同的預警指標進行風險的重點監測，基于網絡數據挖掘技術從海量、動態的財務數據中識別、提取和分析警兆信號，并以SVM為分類器、應用PSO輸出最優適應值的粒子位置，由此構建的基于PSO-SVM的混合預測模型，可獲得近似最優的預測結果，為醫藥化工企業財務風險的精準預警和防控提供了有效支撐。

1系統的設計方案

1.1系統的主要功能

1.1.1風險識別模塊

風險識別是對風險評價、預警的基礎，醫藥化工企業財務風險發生前存在諸如現金流量減少、收支失衡、舉債規模過大等先兆，但因為“會計戲法”的盈利操作模式下，可能導致財務信息失真，表面存在盈余，而實則現金支付能力較差，資不抵債。為此，需要憑借經驗或預兆信息從下列預兆信號中識別風險信號，醫藥化工企業核心業務收益減少，而非核心的、一次性的收入來源增加，可能預示投資失策、盈利前景不佳;應收賬款增長速率遠高于銷售，平均收款期的非正常延長，則可能存在過度使用信用政策提升業績的風險問題;應付款項規模非常態增長，平均支付期無故延長，則表明現金流短缺，通過這些風險信號可準確判別風險類別，找準風險源，以進行風險的重點監測。

1.1.2風險分析模塊

風險分析是根據預警指標，通過風險數據的監測、收集，利用現代數據挖掘技術和測量方法對風險的類別、大小及損害程度進行綜合分析，并根據風險警情的級別程度劃分為不同精度，可設定為無警、輕警、中警、重警、巨警等五種類型翻，且可結合外部政策環境變化、財務指標動態監測結果，完善財務風險預警區間，優化預警度的敏感性。監測中可依據警兆指標的數據大小，確定與之對應的警限區間，進而判定警度級別，發送相應的預警信號，以便醫藥化工企業財務管理人員及時采取針對性的防控對策。

1.1.3風險預警模塊

風險預警是通過風險因素確定、風險預警度指標測量分析，將其與預警閾值對比，并結合醫藥化工企業財務實際情況，綜合判定風險的大小和嚴重程度，將其歸類至不同的風險預警等級，啟動預警機制發出不同的預警信號，提醒醫藥化工企業財務管理人員及時采取針對性的風險防控措施，將財務風險損失控制在最小限度內。

1.2系統的邏輯架構

預警系統可在事前識別風險，及時預警、防控，據此，本文以醫藥化工企業的財務報表數據、經營狀態、投融資情況等數據為依據，結合風險成因分析，篩選出引發風險的敏感指標，并以層次分析法和綜合評價法確定各風險指標的權重值、設定風險預警的臨界值，據此實時監測、分析風險警兆，并及時采取防控措施，預警系統的風險防控機制如圖1。預警系統將以Windows作為系統的開發平臺，采用面向對象的、具備強大c語言功能的Visual FreeBasic可視化發工具，其集成了IDE、編譯器、函數庫等，通過代碼的編寫即可完成系統的開發，開發效率較高，而SQLServer2008關系型數據庫，基于C/S體系結構，通過Transact、sql語言便可完成客戶端與服務器之間的數據傳輸及結果反饋，擁有基于Web強大分析功能、支持OLE DB多種查詢、圖形化操作界面，為此，選用其作為數據庫開發的基礎，可滿足系統對于財務數據、風險因子的統計分析、查詢需求。

2系統預警指標及警情指數的確定

2.1預警監測指標的選取

網絡環境下，醫藥化工企業財務數據存在遺失、篡改的問題，運營、籌資及投資風險無法從“應計制”的財務報表上真實體現，而是取決于現金流量和支付能力，為此，本文基于現金流量選取財務風險的防控指標：

1）籌資風險防控指標：醫藥化工企業財務風險與其負債規模和償債能力有關，為此，本文選用現金流動負債比率、現金盈利值作為風險防控指標，其中現金流動負債比率越大則說明醫藥化工企業運營產生的現金凈流量越多，償債能力越強，而現金盈利值越高表明醫藥化工企業具有充足的現金和現金償付能力。

2）經營風險防控指標：醫藥化工企業采、購、銷供應鏈均存在現金流的變動，經營性現金盈利率可反映醫藥化工企業“應付賬款”的償付能力，該值越大表明醫藥化工企業運營越好;現金流人量與流出量比值以1為臨界值，該比值在等于或小于1時表明現金流出量大于流入量，存在運營風險，其可以反映醫藥物資變現、“應收賬款”進賬情況，所得值越大，表明醫藥化工企業運營資金流轉狀態較好，財務風險較低。

3）投資風險防控指標：國內外將凈現值、內部報酬率作為投資風險的分析指標，凈現值是投資項目獲利能力的指標，是將項目在計算期年限以內各年的凈現金流量，依照行業投資的平均報酬率折算為當前的價值，而后加總，所得知大于0則表明從當前看，投資項目可獲利，加總值小于0則表明不能獲利;內部報酬率是上述凈現值為0時的投資報酬率，該值越高，其與行業投資平均報酬的差距越大，投資項目獲利空間越大，財務風險越小。

據此，各類預警指標及計算公式如表1所示。

2.2指標權重的確定

結合上述風險成因及預警指標，采用層次分析方法可將系統的預警指標劃定為目標層A、準則層B、方案層c等三層結構模型，目標層指標為醫藥化工企業財務風險，準則層指標為籌資、運營及投資等指標，而方案層指標則為上述表1中對應的各細化測評指標，而為了進一步確定元素之間的隸屬關系，將采用相對重要性方法構建兩兩比較的判斷矩陣，各指標以1～9的標度劃分，相對重要性的取值如表2所示。

2.3警情指數設置

各個預警指標均是指向特定財務風險的警情，為根據預警指數及時發出預警信號，本文將采用功效系數求解各個指標的功效系數，對預警指數進行歸類、確定指數區間，該值偏離臨界值的程度即為警情指數，其需要通過滿意值、不允許值予以確定。上述預警指標均歸類為極大型變量指數，也即指標實際值越大，財務風險越小，滿意值采用行業的平均值，只要達到了平均水平，即認定為無警，其不允許值通常為O，如果上述預警指標出現零增長或負增長，則為巨警，可據此進行發出風險預警信號，各預警指標的單項功效系數計算公式如下：

上式中，Y為x指標的功效系數，x為指標的實測值，A、B為指標的不允許值、滿意值，依該式獲得各個指標的功效系數，而后進行加權平均得出整個財務預警系統的綜合功效系數，并據此進行警情區間的劃分，綜合功效系數越小，則醫藥企業財務風險越嚴重。

3系統的關鍵技術

3.1網絡采集程序

財務危機警兆信息的提取是進行預警的前提，網絡環境下，醫藥化工企業運營、投資等財務信息集中在Internet之上，為此，本文引人一種網絡數據資源技術，采用VisualC4+語言設計一種網絡數據采集程序，設置數據采集的類型、深度等采集條件、過濾規則，利用XML信息與處理技術對網絡財務數據進行預處理，以實現有目的檢索，由此，從網絡資源中收集、提取預兆信息，形成初始數據集合，經由自處理或電子表格等軟件完成分析、轉換和整理，建立預警模型所需的樣本數據集合;同時，針對網絡環境下醫藥化工企業財務數據的動態多變性，為確保風險預測的精準性，將選用面向動態數據的支持向量機分類技術，根據最新數據訓練預警模型中的分類規則，獲得分類決策函數，以判定危機預警信息和財務狀態之間的關聯規律，結合醫藥化工企業現有財務狀態的相關數據，預測財務危機，網絡采集程序實現的流程如圖2所示。

3.2預警模型及實現過程

支持向量機（SVM）作為一種基于統計學習理論，擁有全局收斂性和較好的泛化能力，以其為數據分類與預測支撐技術，但分類中輸人的數據存在特征“維數災難”問題，影響了SVM數據分類與預測的效率，為從中提取關鍵的特征集，要提升SVM分類器的預測效果，特征集的優化成為必然，而因為封裝方式將具有最佳分類結果的特征子集作為最終的選擇結果，對于分類器來說是最優的，為此，可選用該方式進行特征集的優化。本文將采用二進制字符串方式對特征集，也即預警指標集合進行編碼，字符串的長度（bit數）表示原始特征集內含的特征數量，字符串中的bit與數據特征一一對應，每個bit值表示相應的特征是否被選擇，1、0分別表示對應的特征被選擇、未被選擇，特征集的編碼方式如圖3所示。

由上表可知，基于PSO-SVM模型的財務風險預警系統的預測精準度為90%，達到了較高的水平，能夠準確識別醫藥化工企業財務中存在的潛在危險，為風險預警防控提供了有效支撐。

5結語

網絡環境下醫藥化工企業財務管理，通過網絡將采、購、銷等連接為一體，形成統一化的財務管理網絡體系。該種管理模式是一種“大財務”，在籌資、運營、分配、投資等各個環節均可能因為內外部因素導致實際收益與預期目標發生偏離，從而引發多種財務風險。而基于PsO-sVM預警系統，根據風險成因設定預警監測的重要指標，并應用網絡數據挖掘技術、支持向量機等技術完成風險數據的識別、分析，并據此發出預警信號，能夠強化風險的事前防控，最大限度的規避財務風險，優化醫藥化工企業財務的全流程管理。