基于BP神經網絡的高校事業資產管理績效評價研究

陳舒 潘曉夢

摘 要：加強高校國有資產管理，防止高校國有資產流失，是高校資產管理的基本要求。從以往對高校固定資產績效評價的研究發現高校績效評價方法仍有待完善。本文以教育部直屬高校為研究對象，采用專家訪談法，從資產保障水平、資產管理水平和資產運行水平三方面構建了高校事業資產管理績效評價體系，并提出基于BP神經網絡的高校事業資產管理績效評價方法，將事業資產管理績效評價的研究思路、指標體系、評價方法和運行機制等結合起來，實現高校事業資產管理績效的等級評價。最后，對教育部直屬高校事業資產管理績效評價進行實例應用分析，驗證了該模型的準確性和可靠性。

關鍵詞：BP神經網絡;事業資產管理;績效評價

中圖分類號： F123.7?????文獻標志碼：A?????文章編號：1009-055X（2019）04-0043-08

doi：10.19366/j.cnki.1009-055X.2019.04.004

一、引?言

近年來隨著我國高等教育事業的飛速發展，國家對高校資產的投入與日俱增，國有資產作為高等教育的一個重要領域和高校運行的一個重要組成部分，為高校教學、科研及師生生活提供各種條件基礎，為我國教育事業的發展提供了強有力的物質保障。加強高校國有資產管理①，防止高校國有資產流失，是高校資產管理的基本要求。在此基礎上，高校應該確保國有資產保值增值，促進資產的合理有效使用，提高國有資產使用的效益。目前在我國，高校資產管理仍然存在很多的問題，出現“重購買輕管理”、資源配置不科學、資源流失以及嚴重浪費等現象，導致資產的投入與產出嚴重不匹配。近些年來，績效觀念逐步被引入我國財政管理的各個領域，而且成效顯著。但其在高校國有資產管理實踐中，尚處在探索階段。

黨的十八大、十八屆三中全會提出要“完善國有資產管理體制，以管資本為主加強國有資產監管”。《國家中長期教育改革和發展規劃綱要》（2010—2020 年）強調：“高等教育要改進管理模式，引入競爭機制，實行績效評估，進行動態管理。”黨的十九大報告《決勝全面建成小康社會奪取新時代中國特色社會主義偉大勝利》提出：“要完善各類國有資產管理體制，改革國有資本授權經營體制，加快國有經濟布局，優化、結構調整、戰略性重組，促進國有資產保值增值，推動國有資本做強做優做大，有效防止國有資產流失”。近年來，高校的國有資產實現了迅猛增長，國有資產管理的任務更加艱巨，責任更加重大，這給高校國有資產的使用及管理提出了更高的要求，切實提高國有資產配置與使用效益，已經成為當前高校國有資產管理工作的迫切要求。教育部先后印發了《直屬高等學校國有資產管理暫行辦法》《直屬高等學校、直屬單位國有資產管理工作規程》等一系列文件，進一步明確了直屬高校國有資產管理體制和工作要求。在主管部門的督促要求下，直屬高校積極采取措施，加強國有資產管理工作，管理制度逐步健全，管理體制逐步理順，程序也逐步規范。總體來看，教育部直屬高校國有資產管理工作上了一個臺階。國有資產管理績效考核考評，是推動提高國有資產管理水平和使用效益的重要手段，對高校國有資產的使用績效進行評價是高校國有資產管理下一步工作的重點和難點。

二、文獻回顧

針對高校固定資產績效評價這一問題，我國學者進行了大量的研究。沈炳炎認為高校資產長期以來是以財政撥款的形式形成，無償使用，不提折舊，存在資產配置不平衡、利用率低、效益差、浪費多等問題，為了解決這一系列問題，強化高校資產管理，有必要引進經濟考核指標，建立激勵機制和獎懲制度，實行資產的有償使用，提高辦學效益[1]。經濟考核指標實質是結合考核和獎懲制度在校內試行資產有償使用制。邱向榮從資源合理配置和有效利用的角度出發，認為要提高高校資產利用效率，必須加強對高校各項資產的管理，并在加強資產管理的基礎上建立一套科學合理的資產管理績效評估體系，對高校資產管理績效進行綜合評估考核[2]。江文清認為構建高校國有資產管理績效評估體系勢在必行，高效的國有資產是指由高校占有、使用的，在法律上確認為國家所有，能以貨幣計算的各種經濟資源的總和[3]。我國高校國有資產由于其產權的特殊性，資產損失或收益對管理者的影響微小，存在“搭便車”的現象，高校國有資產的管理缺乏一種監督激勵機制。作者構建了三級評估指標體系，分別從管理體制、運營效益和外部認同三方面來評價高校國有資產管理績效，其中體制規范評估指標包括觀念機制、資源配置效率、監督機制、激勵體制，運營效益評估指標包括教學科研成就、校辦產業效益、人才輸出質量，外部認同度評估指標包括社會滿意度、同行認可度、學術聲譽、外界吸引力。在層次分析的基礎上，確定各指標的權重，然后進行一級和二級模糊綜合評估，根據最大隸屬度原則的判定確定績效評估表現的級別。曾令如在論文中分析了高校國有資產管理的資本情況，以及國有資產管理效應性滯后的一系列連帶問題，針對當下國內高校的管理績效情況提出了防范高校國有資產流失的對策[4]，其中重要的一點是要完善高校國有資產管理制度，包括資產評估和管理績效評價制度。李道國等針對目前高校缺乏資產利用監督管理機制和資產管理績效評估方法，導致高校資產利用率低下及稀有資源長期閑置的現狀，在高校資產管理中引入雷達圖分析法，建立了基于雷達圖分析方法的高校資產管理績效評估模型[5]。黃維德和牛凱云從管理背景、考核類型和考核內容三方面對中西方高校績效考核體系進行了對比，得出了應該提升我國高校的自治水平，發揮我國社會考核功效，完善我國高校績效考核體系，將重點放在高校的投入績效和產出績效上，考察高校的資源使用效率，采用多樣化的考核形式[6]。李華軍等提出了在績效視角下的高校固定資產模式，主要思路是形成以績效為導向的“需求環境分析—績效目標設定—經費預算—資產管理—績效評價”流程管理[7]，并且進行基于評價結果的反饋控制，以及對應五步流程的日常管理活動。新模式下，將固定資產的靜態管理轉化為動態管理，階段性控制轉化為全程控制。辛愛梅[8]利用帕累托分類法，將其引入層次分析法，對高校非經營性固定資產進行了分類，按照重要程度對各類資產進行不同的管理模式，從而提高資產管理效率，節約管理成本，促進高校非經營性資產的合理有效使用，并且為構建高校固定資產績效考核體系指標提供依據。胡帆基于數據包絡分析法對高等學校財政投入績效評價進行了模型設計[9]。模型依據高等學校的功能和績效評價目標，從教學、科研、社會服務和文化傳承與創新四個方面構建績效評價指標體系，然后分別運用主成分分析法、層次分析法以及數據包絡分析法對財政投入績效進行評價。王小寧等采用數據包絡分析方法對我國教育部直屬高校固定資產的相對績效問題進行實證研究，對其固定資產管理水平和固定資產投入產出規模進行定量分析[10]。通過建立一個線性規劃模型，對各決策單元的投入產出數據進行綜合分析，計算各決策單元的綜合效率、技術效率和規模效率，據此排序定級，并分析決策單元有效的原因，該模型非常適用于績效評價多投入、多產出的情況。方錦華總結高校國有資產存在分配不均衡，使用效率低下，認為績效評價應關注其國有資產實際使用率、社會效益及培養人才的作用，并且認為績效評價重在追蹤[11]。

通過文獻回顧發現，雖然對高校資產管理績效評價已有大量的探討，但大多是對資產管理績效評價意義和評價指標體系的研究，針對高校績效評價方法的研究還有待進一步充實。此外，在評價方法上，他們主要采用了層次分析法、模糊綜合評價法、數據包絡分析方法等傳統方法，但這些方法主觀性質強，需要依賴大量經驗數據或者專家的評判，存在主觀隨意性的缺陷，且不能自我學習。

隨著高校資產績效評價的作用越來越重要，建立一種結合計算機的自我學習能力的、智能準確的動態評價方法尤為重要。因此，提出基于BP 神經網絡的高校事業資產管理績效評價方法，將事業資產管理績效評價的研究思路、指標體系、評價方法和運行機制等有機結合起來，實現高校事業資產管理績效的等級評價。最后，通過對教育部直屬高校事業資產管理績效評價進行應用和驗證，表明該模型具有良好的準確性、可靠性和通用性。

三、高校資產評價指標體系設計

20世紀90年代中后期，教育部財務司組織專家制定了《教育部直屬高校財務綜合評價分析》《教育部直屬高校財務狀況分析》。這兩套針對高校財務管理的評價指標體系，分別從財務綜合實力、財務運行績效、財務發展潛力、財務狀況等多方面對高等學校財務工作作出評價。2001年，世界銀行資助的“高等學校財務綜合評價體系”研究課題獲得立項。教育部會同南京大學經過廣泛的調研、咨詢和論證，確定了38個評價指標，建立了一套高等學校財務綜合評價體系。

與高校財務績效指標體系相比，目前針對高校事業資產管理績效評價，國內外尚沒有統一的、權威的指標體系可供參考。本文以教育部直屬高校為研究對象，采用專家訪談法，根據“投入—過程—效率和效果”的構建邏輯，從資產保障水平（投入）、資產管理水平（過程）、資產運行水平（效率和效果）三個一級指標入手進行構建評價體系。然后對一級指標體系進行梳理，梳理出若干與一級指標體系相關的下級指標，并根據這些指標找出相關的政策來源，將政策來源與指標結合起來，進而整合出相關的二級指標。充分考慮指標數據的可獲取性等因素，結合國家相關政策，得出二級指標下相應的三級量化指標。最后得出高校事業資產管理績效評價指標體系，見表1。

各指標的具體內容如下：

第一，資產保障水平，反映高校存量資產的規模、結構和質量等相關信息。通過該指標并結合高校的實際資產存量情況，對比分析高校人才培養、科學研究、社會服務事業發展的支持與保障程度。其中，資產規模主要是從總體上考察高校事業資產的配置情況，可以通過事業資產總額和事業凈資產總額等三級指標反映;資產結構指標主要反映高校國有資產中固定資產、流動資產以及無形資產對外投資等資產的構成情況;資產質量指標主要反映資產是否具有實用價值以及價值大小的重要指標。高質量的資產是高校提高辦學質量的前提，也是資產優化配置與使用的保障。可以通過固定資產更新率、資產負債率和經費自給率等指標反映;生均水平可以準確地反映高校事業資產的生均水平以及與現有標準（教育部規定的相關標準）之間的差距;亦從側面反映教育資源的公平性問題。可以通過生均占地面積、生均教學行政用房面積、生均宿舍面積、生均教學科研儀器設備和生均圖書冊數等指標反映。

第二，資產管理水平，反映高校事業資產運行環境的重要指標，可以通過高校在資產管理體制、制度建設、人力配備、信息化程度等方面加以考核。管理體制指高校是否根據相關政策和出臺的辦法，建立相應健全、科學、有效的資產管理體系。而專門的資產管理機構是提高高校事業資產管理質量和效率的重要組織保障;制度建設指高校是否遵守國家的相關政策法規，是否出臺相關的資產管理辦法以及對制度執行的完成程度。制度建設是確保高校事業資產安全、完整、高效運轉的制度保障。資產管理各環節的制度可反映資產管理的規范與否，是進行績效管理的基礎。可通過對相關資產管理法律法規的學習執行情況、內部制度建設及執行情況加以反映;高素質資產管理人員配置是確保高校資產管理質量的有效手段。該指標可以通過人員的數量和質量兩個層面加以考核。信息化建設可以從側面反映高校資產管理的效率。該指標可以通過資產管理信息系統建設情況、資產信息錄入情況等指標進行考核。

第三，資產運行水平，反映高校使用、處置國有資產的效率和質量，是資產管理績效評價指標體系的核心。通過該指標，實現高校事業資產管理目標，即確保事業資產安全、完整的同時，提高資產使用效益。產權管理是高校國有資產管理的重要前提和依據，通過該指標反映高校國有資產尤其是土地、房屋等固定資產的實際產權狀況。資產使用效率直接關系到高校國有資產管理的績效水平，是績效評價的重點和核心內容。可以通過資產在用與閑置情況、單項（臺）資產利用情況、資產共享情況、資產流動周轉情況等方面反映。資產處置效率是指學校對其占有使用的國有資產進行產權轉讓或注銷產權的一種行為。收入管理是指高校利用其占有使用的固定資產、流動資產、無形資產，經報備報批，通過處置、租賃、對外合作、對外服務、對外投資和擔保等形式取得的各項收入。資產完整則包括投入不被挪用和資產不被流失。

四、基于神經網絡法的績效評價

（一）BP 神經網絡模型結構

BP神經網絡法是按誤差反向傳遞學習算法實施訓練的多層前饋神經網絡;通過提取合理的具有特征明顯的學習樣本，訓練模型以得到合理的模型參數，實現分類或預測功能[12-13]。BP神經網絡的本質是在進行學習訓練時通常采用梯度下降法，通過誤差的反向傳播適時地調整網絡的權值和閾值，從而使網絡的均方誤差達到最小。

BP神經網絡的網絡結構是一個前向的多層網絡，該網絡由輸入層節點和輸出層節點構成，網絡中可以有一層或多層的隱層節點。當信息輸入BP神經網絡，信息首先由輸入層節點傳遞到第一層（隱）節點，經過特征函數作用后傳至下一（隱）層，如此傳遞直到最終輸出層。將要評價的數據從BP 神經網絡模型的輸入層輸入，分別計算出隱含層和輸出層的輸出值，并將最終輸出值與期望輸出進行比較，不斷修改神經網絡的各權值和閾值，直到誤差減小到允許范圍，學習結束，即可輸出評價結果。

根據 BP 神經網絡算法的學習特點，一般的分類問題都可以通過單隱層的前向型網絡得到解決。本文建立神經將采用單隱層的前向型網絡結構，它只包含輸入層、隱層、輸出層這三層節點。本文參考葉國榮[13]、王義勇[14]、孫燕[15]的研究，擬構建基于 BP 神經網絡的高校資產管理績效評價方法，其原理是：首先把事業資產管理的三級指標作為神經網絡的輸入量，將事業資產管理的一級指標作為輸出量，然后再用三個一級指標作為輸入量，將綜合評價結果作為輸出量。神經網絡學習訓練完成后，就可以通過該模型對不同高校的事業資產管理作出相應的績效評價。

另外，本文對一些參數進行了調整，具體遵循以下原則：

一是各神經網絡輸入層的節點數目等于它所代表的下屬指標的個數。比如對應生均水平的有5個三級指標，故該神經網絡的輸入層節點數目是5。

二是至于隱層節點數目，我們將采用試驗的方法，通過比較評估準確率，來確定各個網絡的隱層節點數，另外中間層神經元傳遞函數則采用S型正切函數。具體來說，本文建立的管理績效評價模型主要包括4個模型，分別是3個基于一級指標的評價模型和1個基于管理績效的綜合評價模型。各模型的建立均采用單隱層的前向型網絡結構，只包含輸入層、隱層和輸出層這三層節點;各模型的輸入節點和隱藏層節點如表2所示。

三是對輸入變量，要進行歸一化處理，將各個指標值映射到區間[0，1]上。并把數據映射到[40，100]上，因而這里采用如下公式：

x=x-4060

（二）數據預處理

為了提高模型的擬合效果，首先對所有指標進行離散化處理。由于隸屬于資產管理水平的三級指標都為定性指標，因而不需要再進行離散處理。而對于其余的定量指標，我們將使用一維聚類（K?means方法）的方法把樣本聚為5類。

對于數據的處理，本文采用缺失值填補和孤立點檢測的方法先對指標數據進行初步處理;然后對指標數據進行類型一致化和無量綱處理，將居中型和極小型指標均轉化為極大型指標，再將全部指標數據無量綱處理，并全部映射到區間（0，1）之間。

對于居中型指標，包括事業資產總額、事業凈資產總額、固定資產更新率、生均占地面積、生均教學行政用房、生均宿舍面積、生均教學科研儀器設備值、生均圖書冊數等，將采用如下的公式進行轉化：

x=100，?x≥xsx=x-xminxs-xmin，?x

對于固定資產占比、流動資產占比、直接用于教學科研的固定資產占總固定資產的比例這些居中型指標，將采用如下的公式進行轉化：

x′=xmax-xxmax-xs，?x≥xsx′=x-xminxs-xmin，?x

（三）BP神經網絡訓練過程

具體訓練步驟如下：

步驟1：數據的準備。采用事業資產管理績效評價的基礎數據，首先運用聚類分析法將75所教育部直屬高校分為5類，以樣本聚類的評價級別作為輸出，從75所高校中抽取80%作為訓練樣本，并經過指標數據標準和無量綱處理，輸入模型，組成了有監督的樣本。

步驟2：模型隱含層的設計。通過比較評估準確率，來確定各個模型的隱層節點數，中間層神經元傳遞函數則采用S型正切函數;通過試驗得到最佳隱層節點數，具體見表2。4個評價模型表示如下：

O1t=f（∑5i=1Vtif（∑13j=1X1jwij-θi）-γt），?O2t=f（∑6i=1Vtif（∑7j=1X2jwij-θi）-γt）

O3t=f（∑4i=1Vtif（∑12j=1X3jwij-θi）-γt），?Z=f（∑3i=1Vtif（∑3j=1O′jwij-θi）-γt）

其中，t=1， 2，3， 4， 5; Vti、wij、θi、γt是各模型評價參數;Xpj與Opt（p=1，2，3）分別是三個一級指標模型的輸入和輸出;O′j是三個一級指標的評價結果（模型5個輸出最大值對應的級別，j=1，2，3）;Z是管理績效綜合評價結果。

步驟3：訓練網絡。采用matalab7.0 編程，對建模樣本進行訓練，最大迭代次數設為10000次，權重的衰減值為0.05，創建BP 神經網絡模型。

步驟4：模型檢驗。將剩余20%的檢驗樣本導入模型，對各模型進行驗證。各模型的擬合結果見表3。

步驟5：結果輸出。BP神經網絡評價模型的直接輸出結果均為評價級別，共設5個等級，分別為等級1代表優秀、2代表良好、3代表中等、4代表一般、5代表較差。由于是5個級別的分類輸出，同級別之間可能無法體現出兩個對象間的優劣，故還需要轉化成評價得分。

設BP神經網絡評價模型對應5個級別的輸出為pi （i=1，2，3，4，5），由于S型函數值域的影響，0

S=∑5i=1pi（72-12·i）+40

其中評價得分的值域為[40，100]，級別越低（1為優秀，5為較差）所對應的評價得分就越高，與三級指標的定義域相同。

五、實例計算

本文選取75所教育部直屬高校的事業資產基礎數據和管理績效數據為研究對象，介于高校敏感性，具體高校名稱用高校1、高校2等代替。表4展示部分高校事業資產管理績效綜合評價模型的評價結果。

從表4可以看出，四個方面評價的最后結果與綜合評價結果差異（具體量化采用各方面的級別減去綜合結果級別的平方求和，平方和最小者差異最小），其中，資產運行水平評價結果差異最小，管理績效綜合評價結果與其資產運行水平評價結果的相關性更為密切，這說明資產運行水平是績效評價的關鍵指標，這與我們的預期是相符的。

六、結?論

高校資產管理績效評價指標體系的構建，有利于為高校的運作和管理提供一個量化的、可操作的評判依據。構建高校資產管理績效評價體系，目的是能有效評估高校資產管理的效率、效益和效果，從而提高高校資產管理水平。通過對高校資產管理的績效水平進行評判，有利于高校全面了解其存在的優勢和劣勢，對于優勢，要積極發揮，而對于處于劣勢的方面，要積極改善，使高校健康順利發展。

針對以往評價方法依賴性強，需要大量經驗數據或者專家評判，從而存在主觀隨意性強的缺陷[16-18]，本文利用BP神經網絡方法對高校資產管理績效進行分析。運用基于 BP 神經網絡技術的高校資產管理績效評價具有以下三點優勢：第一，高校資產管理評價涉及屬性內容多、復雜程度高[19]，主觀設計的指標及可獲取的因素可能不完全，但基于BP神經網絡的績效評價方法具有自適應性，使績效評價更具智能性。第二，隨著事業資產管理工作的不斷推進，績效評價的因素具有動態性和模糊性，基于BP神經網絡的績效評價方法可以隨環境的變化不斷學習調整，因而更具適應性。第三，基于BP神經網絡的績效評價方法原理簡單、易于運用，方法的擬合精度高、可操作性強，避免了人為主觀失誤，在事業資產管理績效綜合評價中，由于影響因素對評價結果的影響大部分不是線性的，引入能反應非線性變化的BP神經網絡綜合評價模型，能更有效表示評價結果的合理性。

基于BP 神經網絡的高校事業資產績效評價方法為高校資產績效評價提供了一種新的方法，具有很好的適用性和應用前景 。

參考文獻：

[1]?沈炳炎. 試論在高校資產管理中引入經濟考核指標[J]. 杭州商學院學報，2003（3）：82-84.

[2]?邱向榮. 我國高校資產管理及其績效評價研究[D]. 昆明：昆明理工大學，2003.

[3]?江文清. 高校國有資產管理績效評估體系的構建初探[J]. 四川大學學報（哲學社會科學版），2004（3）：135-138.

[4]?曾令如. 現行條件下高等學校國有資產管理財務效應性問題研究[J]. 會計之友（下旬刊），2008（1）：17-18.

[5]?李道國，邵淵韜，范作冰. 雷達圖分析法在高校資產管理績效評價中的應用研究[J]. 新西部（下半月），2009（1）：96-98.

[6]?黃維德，牛凱云. 中西方高校績效考核體系比較研究[J]. 華東理工大學學報（社會科學版），2011（6）：38-45，54.

[7]?李華軍，鄒富發，張玉磊. 基于績效視角的高校固定資產管理模式研究[J]. 會計之友，2011（6）：50-52.

[8]?辛愛梅. 基于AHP和ABC分類法的高校非經營性國有資產管理探討[J]. 統計與決策，2013（16）：179-182.

[9]?胡帆. 高等學校財政投入績效評價研究[D]. 武漢：武漢理工大學，2013.

[10]?王小寧，王起彤，都靈.基于DEA技術的高校固定資產管理績效評價——以教育部直屬高校為例[J].會計之友，2015（24）：79-83.

[11]?方錦華. 論高校國有資產管理績效評價體系的構建[J]. 知識經濟，2017（21）：18-19.

[12]?薛成偉. 基于BP神經網絡的高校學生管理工作績效評價模型[J]. 科技信息，2011（36）： 265-267.

[13]?葉國榮. 基于BP神經網絡的高校院系科研績效評價模型[J]. 浙江工商大學學報，2009（2）： 87-92.

[14]?王義勇. 基于BP神經網絡的教師績效評價模型算法研究與應用[D]. 南昌：南昌大學，2010.

[15]?孫燕. 基于BP神經網絡的高校社科科研績效評價體系研究[D]. 南京：南京理工大學，2012.

[16]?杜海利. 高校國有資產管理的現狀及對策[J]. 經濟研究參考， 2016（55）：21-24.

[17]?劉悅恒. 高校無形資產管理績效評價[J]. 經濟師，2018（10）：195-196.

[18]?戴小華. 試論高校國有資產績效的管理[J]. 科技經濟市場，2015（2）：66.

[19]?李傳軍，趙占福，金長星，等.高校國有資產績效評價與考核問題研究[J]. 科技創新導報，2014（34）：188-189.

Research on Performance Evaluation of University Asset Management

Based on BP Neural Network

CHEN Shu1，2?PAN Xiao?meng3

（1. School of Economics and Commerce，South China University of Technology， Guangzhou 510640， Guangdong，China;

2. Department of Finance， Ministry of Education， Beijing 100032，China;

3.Deans Office，Guangdong University of Technology， Guangzhou 510006， Guangdong，China）

Abstract： Strengthening the management and preventing the loss of state?owned assets in universities are the basic requirements for asset management in universities. Previous researches on the performance evaluation of fixed assets in universities found that the performance evaluation method of universities still needs to be improved. This paper takes universities directly affiliated to the Ministry of Education as the research object， and adopts the method of expert interview to construct the performance evaluation system of university institutional state?owned asset management from the aspects of security level， management level and operation level， and proposes the management method based on BP neural network. This paper combines the research ideas， indicator system， evaluation method and operation mechanism of the performance evaluation of the institutional state?owned asset management to realize the grade evaluation of the performance of the university institutional state?owned asset management. Finally， this paper gives an example of the performance evaluation of the institutional state?owned asset management of universities directly affiliated to the Ministry of Education， and verifies the accuracy and reliability of the model.

Keywords：BP neural network， asset management， performance evaluation