基于大數據的企業(yè)財務預警方法研究

趙青

【摘? 要】以大數據與企業(yè)財務風險預警為切入點，在前人研究的基礎上，概述企業(yè)財務預警方法相關理論，通過對現有企業(yè)財務預警方法及其效用的分析發(fā)現企業(yè)財務預警方法的不足之處，對企業(yè)財務預警的機制和路徑提出新的設計。

【關鍵詞】大數據;企業(yè)財務風險;預警方法

【Abstract】Taking big data and enterprise financial risk early warning as the starting point， and on the basis of previous studies， this paper summarizes the relevant theories of enterprise financial early warning methods， and finds out the shortcomings of enterprise financial early warning methods through the analysis of the existing enterprise financial early warning methods and their effectiveness. A new design for the mechanism and path of enterprise financial early warning is put forward.

【Keywords】big data; enterprise financial risk; the early warning method

1 引言

現代社會是一個高速發(fā)展的社會，科技日新月異，大數據就是這個高科技時代的產物。大數據對于企業(yè)的價值可以體現在以下幾個方面：擁有龐大消費群體的企業(yè)可以利用大數據進行精準營銷和個性化推薦，專注于“精美”模式的企業(yè)可以利用大數據進行服務轉型和升級，面臨科技壓力的傳統(tǒng)企業(yè)更需要跟上時代步伐對大數據進行充分利用[1]。大數據分析就是通過對大量數據的研究尋找相似相關等有用的信息，能夠幫助企業(yè)更好地規(guī)避風險，適應變化，并從企業(yè)長遠戰(zhàn)略角度做出明智的決策。

本文對企業(yè)財務預警方法和理論進行解釋說明，分析出大數據與企業(yè)財務預警方法的關聯(lián)性。總結發(fā)現大數據背景下企業(yè)現有財務預警方法的不足。提出大數據背景下對于企業(yè)財務預警方法的要求，對企業(yè)財務預警方法的機制和路徑進行改進 與提升。

2 大數據與企業(yè)財務預警概述

2.1 企業(yè)財務風險

企業(yè)財務風險是指在企業(yè)財務活動中受一些難以預想和操控的因素影響，企 業(yè)財務狀況具有顯著的不確定性，企業(yè)可能因此蒙受損失。財務風險是企業(yè)經營過程中各種風險在財務上的體現，具有復雜多變、不確定性和客觀性的特征。由于企業(yè)運營在時刻變動的市場環(huán)境中，企業(yè)所處行業(yè)在某一時期的發(fā)展情況、宏觀經濟政 策等客觀因素導致了財務風險的客觀性，不受企業(yè)自身所控制，也因此說明了財務風險是難以避免的。

2.2 企業(yè)財務預警

“預警”是指在風險發(fā)生之前，根據過往的經驗規(guī)律和分析得到的可能性前兆，計算風險發(fā)生的概率，發(fā)出信號報告危險狀況，以防止風險在毫無準備或準備不充分的情況下發(fā)生，從而盡量減少可能發(fā)生的損失。企業(yè)財務風險預警是指 企業(yè)利用財務管理等理論和統(tǒng)計數學等方法，根據企業(yè)的經營活動中可能會發(fā)生 的風險對企業(yè)的財務數據和非財務數據進行分析評判，從而發(fā)現企業(yè)財務風險，對風險的類型、形成原因及其影響進行分析，給企業(yè)經營者發(fā)出預警信號，使管理者對風險進行防范和管理，最終能夠避免或減少企業(yè)財務風險造成的損失，為 企業(yè)的經營運作和穩(wěn)定發(fā)展保駕護航。

2.3 大數據與企業(yè)財務預警

在大數據時代，企業(yè)的日常運營產生大量的數據和信息，以 往的財務管理方式難以對數量龐大的數據進行高效搜集和分析，因此要依靠大 數據技術，充分發(fā)揮大數據技術在獲取、分類與分析數據信息方面的特有能力， 高效整合企業(yè)的財務信息資源，使企業(yè)各部門信息互通互聯(lián)，盡可能地降低企業(yè) 財務風險，保障企業(yè)運營。且在企業(yè)財務風險預警的基本環(huán)節(jié)中，大數據具有很高的應用價值，表現在以下方面：一方面，大數據運算能夠改進以往企業(yè)財務風險預警方法主觀性較強的不足;另一方面，大數據技術本身的特點更符合企業(yè)要求。大數據技術有著廣泛的信息來源， 保證了信息的豐富性和全面性，既能夠貼近企業(yè)的實際發(fā)展情況，又把握了經濟發(fā) 展大方向，從而能夠推動企業(yè)進行財務風險預警，能夠進一步提升企業(yè)財務風險 預警效果。

3 基于大數據的企業(yè)財務預警方法設計

3.1 企業(yè)財務預警方法現狀分析

現有企業(yè)財務預警方法主要包括傳統(tǒng)統(tǒng)計模型預警方法和人工智能專家系統(tǒng)預警方法。其中，傳統(tǒng)統(tǒng)計模型預警方法包括單變量模型、多變量模型分析以及邏輯回歸模型;人工智能專家系統(tǒng)預警方法包括神經網絡模型、遺傳算法模型、支持向量機模型和案例推理。

單變量模型最早應用于財務預警，是較為簡單且易于計算和理解的實證研究，但其缺點是財務指標單一，不能覆蓋企業(yè)的全部經營情況，邏輯回歸模型能夠在不需要假設變量呈正態(tài)分布的條件下進行。財務預警模型中引入遺傳算法，可以改進多元線性分析中不夠客觀的缺陷，但預測的準確度方面卻沒有提升反而降低。支持向量機模型能夠處理動態(tài)和不穩(wěn)定數據，但由于其過度適應難以選擇到合適的特征集。案例推理的財務危機預警方法與以上方法相比更能夠在復雜多變或數據不足的環(huán)境中使用，能夠發(fā)現風險并提出解決方案，幫助企業(yè)管理者進行決策，但只適合與其他預測方法聯(lián)合使用，不能單獨進行預警。隨著財務預警理論和技術手段的發(fā)展，財務預警方法也隨之不斷完善，人工智能方法的升級和大數據技術的使用成為當下的趨勢，將通過集成各種方法和手段來提高預警準確性。

3.2 企業(yè)財務風險預警機制設計

支持向量機是借助最優(yōu)化方法的機器學習算法，相比于以貪心學習為策略得 到局部最優(yōu)解的人工神經網絡，支持向量機可以通過有效算法找出目標函數的全 局最優(yōu)解，其建立的判別函數具有更好的預測精度和泛用性。以支持向量機模型為基礎，對財務預警機制進行設計，并劃分為數據采集和 處理、風險判斷、預警決策信息生成、預警效果評價和反饋四個階段，以這四個 階段作為常態(tài)預警機制，在企業(yè)制定重大決策時采用特殊預警機制。

3.2.1 數據的采集和處理

在數據采集和處理階段，相關人員利用計算機每天收集和更新海量數據，包括企業(yè)內部財務和非財務數據、供應鏈上下游企業(yè)公開數據、本行業(yè)與相關行業(yè) 數據以及宏觀經濟數據等，并根據數據類型進行分類整理，財務數據可以直接存 儲在數據庫中，半結構化和非結構化數據通過處理后轉化為數據形式進行存儲[2]。

3.2.2 風險判斷及風險級別劃分

在風險判斷階段，財務預警機制需要分析風險類別和風險程度，并進行獨立判斷是否要做出風險預警，通過對數據庫中 海量數據的計算，財務預警機制可對企業(yè)內部狀況、行業(yè)風險、行業(yè)關聯(lián)影響、 供應鏈傳導影響和宏觀經濟影響等分析，能夠識別和量化由于這些因素單獨或者 交互影響所產生的經營風險、法律風險等能夠引發(fā)財務風險的商業(yè)風險[3]。

3.2.3 決策信息生成

根據風險判斷的結果，新機制可自動生成預警報告。報告主要由三部分組成：一是經過結構化處理的財務和非財務數據;二是根 據現有數據和信息對企業(yè)內部、所處行業(yè)和行業(yè)關聯(lián)影響、供應鏈和宏觀經濟影 響進行的文字分析;三是對企業(yè)所面臨財務風險的預警，包括風險類型和等級、風險產生 的原因和預期經濟后果，從而為預警報告使用者的決策提供支持。

3.2.4 預警效果的評價和反饋

對預警效果進行評價并反饋給設計者有利于不斷提高預警的準確度和穩(wěn)定性。一方面，財務預警機制可以通過收集整理管理者對預警效果的意見，對模型中預設的臨界值進行調整;另一方面，在使用過程中不斷修正決策模型，提高財務預警機制的穩(wěn)定性和對風險 影響因素變化的適應性，從而提高財務風險預警質量。

3.2.5 特殊預警機制

以大數據為背景，企業(yè)財務風險預警機制包括常態(tài)預警機制和特殊預警機制兩部分。常態(tài)預警機制劃分為以上四個階段，為企業(yè)每一天的經營運作保駕護航，而特殊預警機制只有在企業(yè)即將進行重大決策時才會啟動。企業(yè)在進行重大的經 營活動和投融資活動決策時，必須要綜合考慮自身因素和行業(yè)因素業(yè)務層面的財 務風險。大數據使得企業(yè)可以通過多層次、多角度的分析充分認識企業(yè)所面臨的 種種財務風險。特殊預警機制在選取指標時，不局限于傳統(tǒng)的財務指標，貸款利 率等相關政策變動、同行企業(yè)動態(tài)以及媒體報道等信息都能夠對企業(yè)產生影響， 也應包含在特殊預警機制的數據范圍內。

4 結論

在大數據時代，企業(yè)財務風險預警是建立在前所未有的超大規(guī)模數據的基礎上展開的，建立財務風險預警機制也成為企業(yè)保證健康經營平穩(wěn)發(fā)展的重要手 段。大數據的優(yōu)勢能彌補以 往財務預警方法的不足，通過引入非財務信息來保障數據基礎的全面性，根據行業(yè)和 部門的特點更加有針對性地構建企業(yè)財務預警模型，通過信息平臺構建動態(tài) 預警方法保證數據的及時性。優(yōu)秀的財務風險預警方法可以利用大數據技術推廣到更多的企業(yè)，并且企業(yè)可以結合人工智能技術和自身特點量身定制預警指標，形成適合自己發(fā)展的制度模式， 更好地保障預警的準確性、及時性和穩(wěn)定性。

【參考文獻】

【1】李玥.大數據背景下企業(yè)財務管理的挑戰(zhàn)與變革[J].智慧商業(yè)， 2018（33）：25-26

【2】李霞.大數據時代企業(yè)財務風險預警機制與路徑探究[J].財稅研究，2018（19）：151-152.

【3】田倩媛.企業(yè)財務困境預警方法概述[J].財訊，2014（10）：19.