聚類分析在財務績效評價中的應用

□文/ 宋 超

（揚州大學商學院 江蘇·揚州）

［提要］ 本文探討數(shù)據(jù)挖掘技術中聚類分析在財務績效評價中的應用進展。介紹背景及意義，應用現(xiàn)狀，簡述利用聚類分析法進行財務績效評價的一般流程，并提出對財會和數(shù)據(jù)挖掘技術結(jié)合的一些看法和觀點。

引言

（一）背景及意義。企業(yè)的財務績效是指企業(yè)的運營、戰(zhàn)略的執(zhí)行等是否能提高企業(yè)最終的經(jīng)營業(yè)績。財務績效能夠詳細地反映出企業(yè)在對成本的控制能力、合理調(diào)配各項資金的水平、管理資產(chǎn)用于盈利的程度。然而，現(xiàn)階段，僅憑借簡單的數(shù)據(jù)分析對企業(yè)財務績效進行分析是不充分、不全面的，所以需要引入其他的研究方法。而且隨著信息時代的來臨，鋪天蓋地的信息碎片為我們的財務工作帶來了巨大的數(shù)據(jù)量，財務工作中收集到的數(shù)據(jù)中往往存在一些內(nèi)在邏輯關系，因此學會利用數(shù)據(jù)挖掘技術對深入研究財務數(shù)據(jù)越發(fā)重要。數(shù)據(jù)挖掘中的聚類分析被廣泛應用在各種財務分析中，如財務風險分析、財務績效分析、財務數(shù)據(jù)分析等。本文將探討聚類分析在財務績效評價中的應用進展。

（二）相關概念

1、財務績效評價。財務績效評價表示用科學合理的方法對企業(yè)某個時期內(nèi)的生產(chǎn)經(jīng)營結(jié)果進行定性定量的分析，使得企業(yè)業(yè)績具有可比性。便于利益相關者們直觀地理解財務績效，并對企業(yè)經(jīng)營成果做出客觀、公正的評判。正是因為財務績效評價的客觀性與公正性，財務績效評價已經(jīng)成為了分析企業(yè)經(jīng)營狀況不可缺少的部分。

2、聚類分析。聚類分析的基礎是數(shù)據(jù)之間存在相似性，在此基礎上將數(shù)據(jù)分為幾類，是一種常見的數(shù)據(jù)挖掘手段。數(shù)據(jù)間的相關性是存在價值的，因此聚類分析可以被用于提取數(shù)據(jù)間存在的特性來產(chǎn)生價值。在進行聚類之前，需要保證數(shù)據(jù)之間的相關性，這一步則需要通過因子分析來實現(xiàn)。

一、應用現(xiàn)狀及評價

在財務績效評價和聚類分析的結(jié)合方面，國內(nèi)存在大量研究，下面對一些期刊論文進行綜述，評價應用的現(xiàn)狀及優(yōu)缺點等。

帥麗媛選取我國煤炭上市公司作為研究對象，剔除ST 公司以保證財務數(shù)據(jù)穩(wěn)定，用13 個財務指標反映企業(yè)的盈利、償債、營運和發(fā)展能力。通過篩選，去除了3 個指標，并將反向指標做了正向化處理。最終的側(cè)重是盈利能力4 個指標，其余能力均是選取2 個指標。第一個因子的貢獻率最高為35.667%，再結(jié)合其旋轉(zhuǎn)成分矩陣，能代表盈利能力的資產(chǎn)報酬率X3、凈資產(chǎn)收益率X4、營業(yè)凈利率X5、每股收益X6 均超過0.85，說明通過因子分析，盈利能力最能影響財務績效評價。下一步對得分進行K-means 法聚類分析，得出以下四類情況。第一類：償債能力較強而盈利能力弱，之前分析出盈利能力最能影響評價結(jié)果，所以這一類整體排名均靠后。剩余三類排名也均是受盈利能力的強弱影響，比如金瑞礦業(yè)，三個指標排名都不靠前，卻能依靠一個盈利指標使綜合排名拉高。指標選取側(cè)重點在于盈利能力，所以排名最受盈利能力影響。對于煤炭上市公司指標選取是否應以盈利能力為主，其中原因作者并未敘述。煤炭公司以國企為主，一直是高耗能、高污染產(chǎn)業(yè)，而現(xiàn)今時代主題是去產(chǎn)能、去庫存的供給側(cè)改革和“綠水青山就是金山銀山”發(fā)展理論，其核心指標的選取應該多加分析和探究。

李慶東等人對醫(yī)藥上市公司的財務績效進行聚類分析，在指標選取過程中，提出了對盈利質(zhì)量和盈利數(shù)量的思考，最終敲定以32 個指標來評價115 家企業(yè)的財務績效。通過因子分析把32 個指標降維，最終得到利用效果因子、主營業(yè)務獲利因子、現(xiàn)金流量因子、負債水平因子、所有者資本占固定資產(chǎn)價值因子、成長能力因子、經(jīng)營條件因子、資產(chǎn)保值增值因子和還債壓力因子。不僅能反映企業(yè)的盈利、負債、發(fā)展和營運能力，還體現(xiàn)了企業(yè)的資本結(jié)構(gòu)、現(xiàn)金流量等。通過聚類分析，最終所有企業(yè)被分成5 類，提煉出每一類的共同點，并對醫(yī)藥行業(yè)的總體進行論述，最后對需要提高的點提出相應的對策。由于旋轉(zhuǎn)成分表、得分排名表等均沒有列示，只能看出其指標多、公司多。創(chuàng)新之處在于，提出了盈利的質(zhì)量，不單單以盈利數(shù)量進行分析，其結(jié)果更加合理。

龐鳳嬌選取32 家鋼鐵行業(yè)上市公司作為研究對象，剔除其中的ST 公司，剩余10 家上市公司。將鋼鐵行業(yè)的節(jié)能減排戰(zhàn)略目標考慮到指標選取當中，并結(jié)合行業(yè)的實際發(fā)展情況，在傳統(tǒng)的財務績效評價體系中加入了股票投資獲利能力。現(xiàn)今，在股市的投資活動已經(jīng)成為了眾多企業(yè)收入的重要來源，尤其是鋼鐵煤炭等高耗能、高污染傳統(tǒng)行業(yè)。作者通過專業(yè)知識結(jié)合行業(yè)狀況，形成了獨特的“綠色技術創(chuàng)新績效評價”體系，把每股收益、每股凈資產(chǎn)、每股未分配利潤和每股股利納入指標體系，較為全面地反映公司的股市投資能力。隨后，剔除相關性較高的指標，形成近似值矩陣，如表1 所示。將償債能力每個指標的相關性進行列示，用以展示指標的篩選過程，讓讀者更清晰地理解。最終選擇了13 個指標，發(fā)展能力3 個、股票投資能力3 個、盈利能力2個、營運能力2 個、償債能力3 個，指標分配比較均勻，沒有特別偏重的情況。研究使用的聚類方法是層次聚類法，使用平均距離來計算因子間的距離。平均距離可以反映類內(nèi)每個點之間的距離，比較客觀、合理。此外，由于分析中加入了股票獲利能力，不僅給行業(yè)內(nèi)部人員參考建議，還能讓股票市場的投資者對公司股票的漲跌有了清楚的認知。（表1）

表1 值的向量相關性一覽表

呂振君從盈利、償債、發(fā)展和營運能力四個傳統(tǒng)方面來考察50 家物流企業(yè)的財務績效，指標選取很常規(guī)、很均勻，每組3 個指標，但沒有見到對反向指標的正向化處理。在聚類分析的過程中，作者創(chuàng)造性地對聚類完成后的三個種類建立了得分評判標準，通過數(shù)據(jù)分析來清晰地展現(xiàn)每一類間的差別。

付靜使用因子分析法和聚類分析法分析了28 家上市公司的競爭力狀況，選取18 個指標，運用SPSS 軟件進行因子分析和聚類分析，但在聚類分析過程中，只對綜合得分這一個指標進行聚類。其指標所含信息丟失嚴重，為避免信息損失，應該對所有因子的得分進行分別的權(quán)重計算，即用各自的得分乘以其權(quán)重，得出新的權(quán)重得分，再對結(jié)果進行聚類，才能保證信息盡可能反映在結(jié)果中。

綜上，在文獻閱讀的過程中，可以得出一些簡單的體會：指標的選取應該結(jié)合行業(yè)發(fā)展背景來看，不能忽略行業(yè)的制約因素和重大影響因素，比如龐鳳嬌建立的“綠色技術創(chuàng)新績效評價”體系，為高污染、高排放企業(yè)績效評價提供借鑒意義。此外，指標在體系中的分布應該盡量均勻，不能厚此薄彼，如果偏重點過于集中，那么得出的結(jié)論是具有一定導向性的，比如說盈利能力指標占所以指標的50%以上，盈利指標的權(quán)重得分一定最高。在指標選取過程中，需要對反向指標進行正向化處理，比較常見的有用1 減去原指標、取倒數(shù)等處理手段。具體實施過程可以借鑒龐鳳嬌的相關性矩陣處理，可以直接清晰地反映出如何剔除指標。另外，進行聚類分析時，不能僅用單個指標或綜合得分進行聚類，因為在數(shù)據(jù)折疊、展開過程中丟失的信息太多，而且如果類內(nèi)只有一個數(shù)據(jù)，與別的數(shù)據(jù)計算之間的歐式距離沒有意義。此外，如果能像呂振君那樣建立一個分類評分標準，那么整個績效評價過程會更加完善，得出的結(jié)果也更有說服力。

二、聚類分析在財務績效評價中應用過程

（一）行業(yè)與財務績效指標選取。行業(yè)選擇應該與國民經(jīng)濟運行、人民生活福祉息息相關。財務績效評價指標體系的建立，一般情況下從盈利能力、償債能力、發(fā)展能力和營運能力出發(fā)，這四項是構(gòu)成體系的基礎，在以上所有論文中均有體現(xiàn)，除了這四項指標之外，與行業(yè)有關的自然環(huán)境、國家政策和社會態(tài)度等因素也要考慮進來；不能僅僅把一個指標當作核心去做，即使這樣做，也應該加以說明。

根據(jù)中央企業(yè)綜合績效評價管理暫行辦法和財務專業(yè)知識，一般需要選取盈利能力、償債能力、營運能力、發(fā)展能力建立指標體系表，在此基礎之上，提出特殊財務指標代表與行業(yè)結(jié)合的相關指標，如反映金融上市公司投資能力的股票發(fā)行量、股票發(fā)行價以及股價增長率等。

（二）數(shù)據(jù)預處理與相關性分析。評價指標分為正向指標、反向指標和適度指標，以正向指標為基準，反向指標和適度指標需要做同向化處理才能進行相關性分析。反向指標同向化處理公式為：Y=C/X（Y表示同向化處理后的結(jié)果；X 表示處理前的原始數(shù)據(jù)；C 一般取1，即直接使用倒數(shù)來表示）以及Y=1-X（特殊數(shù)據(jù)的處理）。再通過相關性分析來剔除相關性太強的指標，比如資產(chǎn)負債率和權(quán)益乘數(shù)，權(quán)益乘數(shù)=1/（1-資產(chǎn)負債率），兩者分析的內(nèi)容幾乎一致，這兩個指標同時存在時無法進行下一步的因子分析。在進行相關性分析前，由于各個指標表現(xiàn)形式和所表達的經(jīng)濟意義有所不同，故需要利用Z 得分方法進行標準化處理，去除量綱的影響。相關性分析一般用SPSS 軟件的KMO和巴特利特球形度檢驗即可完成。相關性分析實質(zhì)上是驗證因子分析法的適用性，如果不通過相關性檢驗，就無法使用因子分析法。

（三）因子分析。因子分析利用降維的思想，步驟為：第一，公共因子的提取，一般提取出的3～5 個公因子，其方差載荷的和大于80%即可覆蓋所有指標的信息，如果因子的載荷比重特別懸殊，可以使用旋轉(zhuǎn)的方法來調(diào)整；第二，公因子命名，命名一個公因子應該解釋其覆蓋的指標；第三，計算每一個因子的得分，按權(quán)重計算綜合得分進行排名，對排名進行簡單分析。

（四）聚類分析。先計算每一個因子的權(quán)重得分，權(quán)重得分=因子得分×其對應載荷。隨后按照企業(yè)對每個因子的權(quán)重得分進行聚類分析。在財務績效評價中，一般使用K-means 法和層次聚類法。K-means 法的優(yōu)勢在于速度快，處理大量數(shù)據(jù)時省時高效，但對于K 值的設定把握需要有一定的思考。層次聚類的優(yōu)勢在于可以按照研究需求來控制類數(shù)，便于下一步分析，但是由于其算法步驟復雜，計算量大，不適合大數(shù)據(jù)量的處理。聚類完成后，對其類內(nèi)共同點、類間差異點進行分析。比如，排名靠前的一類，可以提煉其優(yōu)點，排名靠后的一類可以總結(jié)其劣勢。當樣本夠多且指標合理時，那么從一定程度上能代表行業(yè)情況，總結(jié)出來的優(yōu)缺點就具有參考意義，能夠上升到行業(yè)一般規(guī)律。這正好符合數(shù)據(jù)挖掘的目的：分析數(shù)據(jù)之間隱含的關系，提取出有應用價值的知識。

三、總結(jié)

當前，財務、金融領域?qū)τ跀?shù)據(jù)挖掘技術的應用很廣泛，比如評價財務績效、考察財務風險、搜集財務數(shù)據(jù)等，但是應用的深度還需加強。傳統(tǒng)會計行業(yè)應該與計算機技術結(jié)合，向智能會計轉(zhuǎn)型。現(xiàn)今，財經(jīng)相關論文運用的數(shù)據(jù)挖掘技術還是比較淺薄、陳舊，比如綜述的部分論文中聚類分析使用的ward linkage，還是于1963 年提出來，后續(xù)幾年不斷完善的一種計算類與類之間距離的方法。企業(yè)對于數(shù)據(jù)挖掘技術應用的深度和廣度是遠超過高校的，比如說企業(yè)運用的智能分析算法有卷積神經(jīng)網(wǎng)絡、遞歸神經(jīng)網(wǎng)絡和循環(huán)神經(jīng)網(wǎng)絡等深度學習算法。此外，企業(yè)還不斷發(fā)展數(shù)據(jù)分析網(wǎng)絡平臺，比如網(wǎng)易大數(shù)據(jù)、Splunk、Tableau、神策數(shù)據(jù)以及騰訊云、阿里云等。至于會計教育才剛剛與數(shù)據(jù)挖掘技術交叉，且計算機課程門檻很高，非專業(yè)學生很難掌握，所以會計與數(shù)據(jù)挖掘技術的學科交叉還有很長的路要走。而財務背景的專家研究計算機技術與會計學科交叉促進智能會計發(fā)展的并不多，大部分一直在研究傳統(tǒng)的會計、財務管理等。這些知識是財務分析的基礎，對于我們固然非常重要，但也要結(jié)合最新的計算機技術，實現(xiàn)會計、財務管理智能化。所以，智能會計轉(zhuǎn)型應該由高校和企業(yè)來共同推進，由計算機技術專家來主導，由財務方面的人才進行具體研究。