數(shù)據(jù)挖掘技術(shù)在財(cái)務(wù)預(yù)警中的應(yīng)用進(jìn)展研究

◎顧曉佳

一、引言

隨著我國證券市場的快速發(fā)展，我國的企業(yè)也在不斷發(fā)展，企業(yè)經(jīng)營規(guī)模也在不斷擴(kuò)大。但與此同時(shí)，在不斷變化的市場經(jīng)濟(jì)條件下和競爭環(huán)境越來越激烈的情況下，企業(yè)的持續(xù)長遠(yuǎn)發(fā)展受到阻礙，我國企業(yè)發(fā)生財(cái)務(wù)風(fēng)險(xiǎn)甚至陷入財(cái)務(wù)危機(jī)的現(xiàn)象不斷增加。財(cái)務(wù)風(fēng)險(xiǎn)的增加不僅給企業(yè)帶來嚴(yán)重的負(fù)面影響，也嚴(yán)重影響了證券市場的有效運(yùn)行。此外，企業(yè)的持續(xù)運(yùn)行也與我國證券市場的健康發(fā)展息息相關(guān)，并且影響著國民經(jīng)濟(jì)的健康發(fā)展。

因此，對企業(yè)進(jìn)行財(cái)務(wù)預(yù)警是幫助企業(yè)進(jìn)行有效財(cái)務(wù)管理的一項(xiàng)重要措施。建立財(cái)務(wù)預(yù)警系統(tǒng)不僅僅是為了保障企業(yè)自身的長遠(yuǎn)發(fā)展，也能夠保護(hù)與企業(yè)有關(guān)的利益相關(guān)者的權(quán)益，也能夠維護(hù)證券市場的健康發(fā)展。

由于數(shù)據(jù)挖掘技術(shù)存在多種方法，筆者通過閱讀與研究學(xué)者們通過不同的數(shù)據(jù)挖掘方法對財(cái)務(wù)預(yù)警的研究，探究其進(jìn)展過程，并對此表達(dá)出自己的見解，并提出結(jié)論與建議。

二、數(shù)據(jù)挖掘技術(shù)與財(cái)務(wù)預(yù)警相關(guān)概念

（一）財(cái)務(wù)預(yù)警

財(cái)務(wù)預(yù)警又叫“企業(yè)破產(chǎn)預(yù)警”，主要是為了能夠讓企業(yè)能夠及時(shí)識(shí)別出財(cái)務(wù)管理中存在的問題，從而對財(cái)務(wù)風(fēng)險(xiǎn)及財(cái)務(wù)困境進(jìn)行規(guī)避。財(cái)務(wù)預(yù)警主要通過收集分析企業(yè)大量的財(cái)務(wù)信息和非財(cái)務(wù)信息，動(dòng)態(tài)地分析出企業(yè)目前所處的實(shí)際狀況，分析判斷出企業(yè)出現(xiàn)財(cái)務(wù)風(fēng)險(xiǎn)的概率。當(dāng)出現(xiàn)財(cái)務(wù)指標(biāo)異常時(shí)，企業(yè)的經(jīng)營者可以根據(jù)預(yù)警發(fā)出的信號(hào)進(jìn)行判斷，從而對出現(xiàn)的財(cái)務(wù)異常現(xiàn)象做出有效的處置，采取措施，減少企業(yè)財(cái)務(wù)狀況的進(jìn)一步惡化，及時(shí)地避免財(cái)務(wù)危機(jī)的產(chǎn)生。同時(shí)，根據(jù)財(cái)務(wù)預(yù)警的提示，企業(yè)能夠有針對性地對財(cái)務(wù)異常指標(biāo)進(jìn)行分析，對財(cái)務(wù)管理進(jìn)行優(yōu)化，從而促進(jìn)企業(yè)未來的持續(xù)健康發(fā)展。目前財(cái)務(wù)預(yù)警分析方法主要分為兩種：定性分析法和定量分析法。定性分析法即通過對企業(yè)財(cái)務(wù)指標(biāo)外的非財(cái)務(wù)指標(biāo)進(jìn)行分析，如企業(yè)所處的行業(yè)環(huán)境、經(jīng)濟(jì)市場環(huán)境等來進(jìn)行財(cái)務(wù)預(yù)警分析。定量分析法主要包括單變量預(yù)警分析法和多變量預(yù)警分析法。單變量預(yù)警分析法主要通過構(gòu)造單一變量的財(cái)務(wù)指標(biāo)進(jìn)行預(yù)警。多變量預(yù)警分析法最常用的包括Z-score 模型與F 分?jǐn)?shù)模型。目前，不少學(xué)者也會(huì)將定性與定量法相結(jié)合對企業(yè)進(jìn)行財(cái)務(wù)預(yù)警。

（二）數(shù)據(jù)挖掘技術(shù)

數(shù)據(jù)挖掘技術(shù)是數(shù)據(jù)庫知識(shí)發(fā)現(xiàn)中的一個(gè)步驟。數(shù)據(jù)挖掘通常與計(jì)算機(jī)科學(xué)相關(guān)。數(shù)據(jù)挖掘的目標(biāo)主要是從數(shù)據(jù)集中提取出隱藏的具有預(yù)測性的信息，并最終篩選出少量決策有用的信息供使用者使用。數(shù)據(jù)挖掘的主要流程如下圖所示：

圖1 數(shù)據(jù)挖掘主要流程

在大數(shù)據(jù)時(shí)代，通過數(shù)據(jù)挖掘技術(shù)，能夠?qū)⑹褂谜咝枰男畔⑦M(jìn)行自動(dòng)分析，并且進(jìn)行歸納，做出有用的判斷。目前，越來越多的企業(yè)意識(shí)到數(shù)據(jù)挖掘技術(shù)的重要性。將數(shù)據(jù)挖掘技術(shù)融入到企業(yè)的日常經(jīng)營管理與財(cái)務(wù)管理之中，可以減少繁瑣的分析過程，并且能夠更加快速地將企業(yè)在管理中存在問題反饋給企業(yè)的管理者或者決策者，讓他們更加快速地制定有效的決策。除此之外，數(shù)據(jù)挖掘技術(shù)也被運(yùn)用在股票價(jià)格變動(dòng)、稅收征管、審計(jì)信息化和人力資源等諸多方面。大數(shù)據(jù)的挖掘常用的方法有決策樹法、神經(jīng)網(wǎng)絡(luò)法、關(guān)聯(lián)規(guī)則法、遺傳算法、聚類分析法、時(shí)間序列、Web 頁挖掘及其他數(shù)據(jù)挖掘方法等。這些方法主要從不同的角度對數(shù)據(jù)進(jìn)行挖掘。

三、數(shù)據(jù)挖掘技術(shù)在財(cái)務(wù)預(yù)警中的應(yīng)用研究

目前，學(xué)者們通過數(shù)據(jù)挖掘技術(shù)在財(cái)務(wù)預(yù)警領(lǐng)域進(jìn)行研究，已經(jīng)卓有成效。筆者通過在閱讀相關(guān)的文獻(xiàn)，研究了解了不同數(shù)據(jù)挖掘技術(shù)在財(cái)務(wù)預(yù)警領(lǐng)域的進(jìn)展。在我國學(xué)者研究數(shù)據(jù)挖掘技術(shù)在財(cái)務(wù)預(yù)警中的應(yīng)用時(shí)，或進(jìn)行單獨(dú)數(shù)據(jù)模型研究分析，或運(yùn)用多種數(shù)據(jù)模型進(jìn)行結(jié)合分析，或?qū)⒍喾N數(shù)據(jù)模型進(jìn)行比較分析。在不同的數(shù)據(jù)挖掘方法下產(chǎn)生的效果也不盡相同。目前，我國學(xué)者多數(shù)選擇使用不同的數(shù)據(jù)挖掘技術(shù)來對財(cái)務(wù)預(yù)警進(jìn)行分析與研究保證其科學(xué)性與準(zhǔn)確性。我國學(xué)者隨著數(shù)據(jù)挖掘技術(shù)的不斷改進(jìn)，在研究中使用的數(shù)據(jù)挖掘技術(shù)方法也在不斷創(chuàng)新。

（一）單種數(shù)據(jù)挖掘技術(shù)在財(cái)務(wù)預(yù)警中的應(yīng)用

在決策樹運(yùn)用方面：

蔣艷輝（2005）研究認(rèn)為傳統(tǒng)的財(cái)務(wù)預(yù)警模型預(yù)測準(zhǔn)確性較低，應(yīng)該將數(shù)據(jù)挖掘技術(shù)進(jìn)行結(jié)合運(yùn)用。因此學(xué)者應(yīng)用數(shù)據(jù)挖掘中的決策樹算法建立了財(cái)務(wù)預(yù)警模型，并且選取了17 個(gè)財(cái)務(wù)指標(biāo)對上市公司進(jìn)行實(shí)證研究，研究得出基于決策樹算法的模型具有可移植性，而且能夠較好地運(yùn)用到企業(yè)管理之中，且具有較好的財(cái)務(wù)困境預(yù)測能力。

禹久泓和王海平等（2015）研究認(rèn)為傳統(tǒng)的財(cái)務(wù)預(yù)警的有效性變?nèi)酰虼藢?shù)據(jù)挖掘技術(shù)運(yùn)用到企業(yè)財(cái)務(wù)預(yù)警中具有重要意義。所以學(xué)者通過選取決策樹算法進(jìn)行財(cái)務(wù)預(yù)警，并且初創(chuàng)性地提出了從項(xiàng)目投資的角度進(jìn)行財(cái)務(wù)危機(jī)預(yù)警，找到企業(yè)所處行業(yè)的參數(shù)值進(jìn)行預(yù)警信號(hào)的判斷。

宋宇和李鴻禧（2020）在對制造業(yè)債券發(fā)行企業(yè)進(jìn)行實(shí)證研究時(shí)發(fā)現(xiàn)，基于決策樹集成的財(cái)務(wù)預(yù)警模型準(zhǔn)確率能夠高達(dá)78%，而簡單的決策樹預(yù)警模型只能識(shí)別出20%的危機(jī)企業(yè)，因此可以選取準(zhǔn)確性較高的基于決策樹集成的財(cái)務(wù)預(yù)警模型對企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)進(jìn)行預(yù)測。

在聚類應(yīng)用方面：

馮征（2007）基于粗糙集或模糊集的聚類算法構(gòu)建了新的財(cái)務(wù)預(yù)警模型，選取了出現(xiàn)財(cái)務(wù)危機(jī)的中國上市企業(yè)進(jìn)行實(shí)證研究，研究得出財(cái)務(wù)預(yù)警模型需要專家判別的領(lǐng)域知識(shí)，從而能夠提高預(yù)警模型的預(yù)測準(zhǔn)確性。阮昕簡（2014）通過研究200 多家上市企業(yè)，選取了17 個(gè)財(cái)務(wù)指標(biāo)，研究得出使用基于時(shí)段基因的聚類方法進(jìn)行財(cái)務(wù)預(yù)警，模型聚類效果明顯，預(yù)警準(zhǔn)確性高，在實(shí)際應(yīng)用中更具有效性。荊婷婷（2015）實(shí)證研究建立了一種新型的財(cái)務(wù)預(yù)警模型，即將改進(jìn)后的近鄰傳播算法與模糊模式識(shí)別理論相結(jié)合。該學(xué)者認(rèn)為改進(jìn)的近鄰傳播算法的聚類風(fēng)險(xiǎn)法能夠有效提高預(yù)警準(zhǔn)確率。

在預(yù)測方法應(yīng)用方面：

在對滬深市上市公司的進(jìn)行財(cái)務(wù)數(shù)據(jù)分析時(shí)，周元元（2008）研究得出企業(yè)如果希望提高預(yù)測財(cái)務(wù)困境的準(zhǔn)確性，需要運(yùn)用RS.SVM 預(yù)測方法，并實(shí)證得出財(cái)務(wù)預(yù)警中短期預(yù)測的重要性。

在Web 挖掘技術(shù)應(yīng)用方面：

曲吉林（2020）研究得出Web 挖掘技術(shù)已經(jīng)基本成熟。運(yùn)用這些工具，可以幫助企業(yè)管理者集中精力分析和處理那些對企業(yè)經(jīng)營、發(fā)展有重大或潛在影響的外部環(huán)境信息，抓住市場帶來的機(jī)會(huì)，獲得有關(guān)企業(yè)危機(jī)的預(yù)測信息，從而采取有效措施來規(guī)避危機(jī)，促使企業(yè)健康、持續(xù)地發(fā)展。

（二）多種數(shù)據(jù)挖掘技術(shù)在財(cái)務(wù)預(yù)警中的結(jié)合應(yīng)用

曹明和閃四清等（2006）在研究我國A 股的上市公司時(shí)，選擇將決策樹、B-P 模型與Z 計(jì)分模型相結(jié)合構(gòu)建混合財(cái)務(wù)預(yù)警模型。通過使用多種數(shù)據(jù)挖掘技術(shù)，提高的對于財(cái)務(wù)的預(yù)警能力。

鄭曉陽（2009）在對天津新技術(shù)產(chǎn)業(yè)園區(qū)的25 家工業(yè)企業(yè)進(jìn)行財(cái)務(wù)預(yù)警系統(tǒng)的研究時(shí)，通過K-MEDOIDS 聚類進(jìn)行分組；然后，采用決策樹方法對進(jìn)行分析；最后，使用BP 神經(jīng)網(wǎng)絡(luò)模型構(gòu)建了專用的財(cái)務(wù)預(yù)警系統(tǒng)。通過與償債能力、盈利能力、營運(yùn)能力和成長能力相關(guān)的10 個(gè)財(cái)務(wù)指標(biāo)構(gòu)建了財(cái)務(wù)預(yù)警系統(tǒng)，從而對下一年的經(jīng)營狀況進(jìn)行預(yù)測，并且結(jié)果證明該財(cái)務(wù)預(yù)警系統(tǒng)具有較強(qiáng)的預(yù)測能力。

由于神經(jīng)網(wǎng)絡(luò)存在可解釋性差、結(jié)構(gòu)復(fù)雜、訓(xùn)練時(shí)間長等問題，王穎（2012）使用基于BP 神經(jīng)網(wǎng)絡(luò)的分類算法，構(gòu)建分類器模型，以及將BP 神經(jīng)網(wǎng)絡(luò)模型與其他優(yōu)化算法的結(jié)合，構(gòu)建適合的財(cái)務(wù)預(yù)警分類器。其并對ST 公司進(jìn)行實(shí)證檢驗(yàn)，研究得出與多種優(yōu)化算法的結(jié)合，能夠使神經(jīng)網(wǎng)絡(luò)更有效地幫助企業(yè)決策層及早有效地規(guī)避和分散風(fēng)險(xiǎn)。

丘皓威（2016）運(yùn)用多個(gè)數(shù)據(jù)挖掘技術(shù)中的分類器算法，在樣本訓(xùn)練集上建立了多分類器財(cái)務(wù)預(yù)警模型，如神經(jīng)網(wǎng)絡(luò)、Logistic、判別式、SVM、貝葉斯網(wǎng)絡(luò)和KNN 預(yù)警模型等，研究得出通過多種數(shù)據(jù)挖掘技術(shù)集合，能夠提高預(yù)測效力。

周萌（2019）通過將決策樹和Logistic 回歸算法結(jié)合構(gòu)建財(cái)務(wù)預(yù)警模型，實(shí)證研究了2014-2017 年的中國上市公司的財(cái)務(wù)數(shù)據(jù)，最初選取了45 個(gè)指標(biāo)進(jìn)行研究，最終只驗(yàn)證篩選出6 個(gè)對企業(yè)財(cái)務(wù)狀況有顯著影響的關(guān)鍵指標(biāo)，從而提高財(cái)務(wù)預(yù)警指標(biāo)的預(yù)測精確度。并據(jù)此，提出了企業(yè)除了需重點(diǎn)考察財(cái)務(wù)報(bào)表上的各項(xiàng)財(cái)務(wù)比率外，還需重點(diǎn)考察現(xiàn)金流量表中的各項(xiàng)財(cái)務(wù)指標(biāo)，從而避免陷入財(cái)務(wù)困境。

（三）多種數(shù)據(jù)挖掘技術(shù)在財(cái)務(wù)預(yù)警中的比較應(yīng)用

田青和王寶帥（2010）選取了三種財(cái)務(wù)預(yù)警方法，包括決策樹、神經(jīng)網(wǎng)絡(luò)以及邏輯回歸算法，選擇了12 種財(cái)務(wù)指標(biāo)，并篩選出16 家ST 和相對照的16 家非ST 公司進(jìn)行財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測，并將預(yù)測結(jié)果與實(shí)際情況進(jìn)行比較檢驗(yàn)，得出三種模型均產(chǎn)生了較好的財(cái)務(wù)預(yù)警的效果，預(yù)測準(zhǔn)確率在80%以上，并且決策樹的準(zhǔn)確性更高，準(zhǔn)確率可達(dá)90%。

馬曉波（2013）利用BP 神經(jīng)元網(wǎng)絡(luò)技術(shù)建立財(cái)務(wù)預(yù)警模型與用傳統(tǒng)的logistic 回歸模型進(jìn)行比較，對我國制造業(yè)上市企業(yè)進(jìn)行實(shí)證研究得出得出利用BP 神經(jīng)元網(wǎng)絡(luò)技術(shù)建立財(cái)務(wù)預(yù)警模型預(yù)測準(zhǔn)確率為97%，傳統(tǒng)的logistic 回歸模型預(yù)測準(zhǔn)確性為94%，因此利用BP 神經(jīng)元網(wǎng)絡(luò)技術(shù)建立財(cái)務(wù)預(yù)警模型預(yù)測效果更優(yōu)，更具有效性。

張亮和張玲玲等（2015）在對中國制造業(yè)的上市公司進(jìn)行實(shí)證研究時(shí)，選取了SVM 和Logistic 回歸這兩種主流數(shù)據(jù)挖掘方法，同時(shí)融入信息融合技術(shù)，構(gòu)建了新的財(cái)務(wù)預(yù)警模型，最終研究得出基于信息融合的數(shù)據(jù)挖掘方法能夠提高財(cái)務(wù)預(yù)警的準(zhǔn)確率。

四、數(shù)據(jù)挖掘技術(shù)在財(cái)務(wù)預(yù)警中的應(yīng)用進(jìn)展評(píng)價(jià)

筆者通過閱讀我國學(xué)者在數(shù)據(jù)挖掘技術(shù)在財(cái)務(wù)預(yù)警方面的文獻(xiàn)，學(xué)習(xí)、研究并分析得出：

首先，隨著證券市場的不斷發(fā)展，我國企業(yè)對于財(cái)務(wù)預(yù)警的需求不再僅僅局限于定性分析法層面，更加著重于在專業(yè)知識(shí)定性的情況下運(yùn)用科學(xué)的數(shù)據(jù)處理得到準(zhǔn)確的預(yù)測。

其次，隨著信息技術(shù)的發(fā)展，數(shù)據(jù)挖掘方法在財(cái)務(wù)預(yù)警方面的運(yùn)用越來越廣泛，數(shù)據(jù)挖掘技術(shù)的功能性更加得到體現(xiàn)。在財(cái)務(wù)預(yù)警領(lǐng)域，學(xué)者主要會(huì)選擇決策樹、聚類及神經(jīng)網(wǎng)絡(luò)等方法進(jìn)行研究。

再次，隨著時(shí)代的發(fā)展，隨著數(shù)據(jù)挖掘技術(shù)的不斷發(fā)展與改進(jìn)，眾多學(xué)者對于數(shù)據(jù)挖掘技術(shù)在財(cái)務(wù)預(yù)警領(lǐng)域的研究不再只僅僅局限于某種方法，更加注重于將多種數(shù)據(jù)挖掘方法結(jié)合或者在同一種研究中運(yùn)用多種數(shù)據(jù)挖掘技術(shù)選擇出最具有準(zhǔn)確性的一種方法。學(xué)者們通過多種數(shù)據(jù)挖掘技術(shù)通過檢驗(yàn)分析，提高財(cái)務(wù)預(yù)警的預(yù)測能力。

此外，許多學(xué)者在前人已經(jīng)做出相關(guān)研究的情況下加以創(chuàng)新。由于傳統(tǒng)數(shù)據(jù)挖掘方法存在不足，學(xué)者們開始選擇創(chuàng)新出數(shù)據(jù)挖掘方法。包括設(shè)立優(yōu)化算法，或者通過更新數(shù)據(jù)挖掘技術(shù)建立新的財(cái)務(wù)預(yù)警模型，促進(jìn)數(shù)據(jù)挖掘技術(shù)在財(cái)務(wù)預(yù)警領(lǐng)域的研究。

最后，筆者在閱讀相關(guān)文獻(xiàn)時(shí)也發(fā)現(xiàn)目前我國學(xué)者們在數(shù)據(jù)挖掘技術(shù)在財(cái)務(wù)預(yù)警領(lǐng)域中也存在著一些不足，包括：我國目前已經(jīng)新提出的挖掘方法仍然處于發(fā)展階段，各種新的算法不斷被提出，還未能廣泛應(yīng)用于相關(guān)領(lǐng)域。相較于具有創(chuàng)新性的新數(shù)據(jù)挖掘技術(shù)，多數(shù)人更偏好于已經(jīng)經(jīng)過廣泛運(yùn)用的傳統(tǒng)數(shù)據(jù)挖掘技術(shù)，而且其接受程度和適用范圍都明顯弱于傳統(tǒng)的方法；其次，對于財(cái)務(wù)狀況水平，多數(shù)學(xué)者主要分為財(cái)務(wù)困境與財(cái)務(wù)正常的狀況，沒有介于兩者之間的財(cái)務(wù)狀況，應(yīng)當(dāng)更加詳細(xì)的劃分財(cái)務(wù)狀況水平，從而更準(zhǔn)確地判定財(cái)務(wù)狀況，進(jìn)而進(jìn)行財(cái)務(wù)預(yù)警；再次，目前也存在學(xué)者對于數(shù)據(jù)分析的不到位及不夠充分等情況；最后我國大多數(shù)學(xué)者主要選擇上市公司作為研究的樣本，很少有學(xué)者選取中小企業(yè)作為研究樣本。而在我國，中小企業(yè)占大多數(shù)，因此，學(xué)者可以選擇將數(shù)據(jù)挖掘技術(shù)在財(cái)務(wù)預(yù)警的研究向中小企業(yè)靠攏。

五、結(jié)論與建議

筆者在閱讀了數(shù)據(jù)挖掘技術(shù)在財(cái)務(wù)預(yù)警中的相關(guān)文獻(xiàn)后了解到，近年來，數(shù)據(jù)挖掘技術(shù)在財(cái)務(wù)預(yù)警領(lǐng)域的運(yùn)用越來越廣泛。我國許多企業(yè)越來越注重通過科學(xué)的預(yù)測方法來保證公司經(jīng)營及保證利益相關(guān)者的合法權(quán)益。因此，我國上市公司在面對多變得市場環(huán)境時(shí)，可以通過應(yīng)用數(shù)據(jù)挖掘技術(shù)構(gòu)建有效的財(cái)務(wù)預(yù)警體系，預(yù)測企業(yè)未來的財(cái)務(wù)狀況，減少企業(yè)出現(xiàn)財(cái)務(wù)風(fēng)險(xiǎn)的概率，避免財(cái)務(wù)危機(jī)的發(fā)生，從而能夠保護(hù)利益相關(guān)者的合法權(quán)益。

但目前，我國在數(shù)據(jù)挖掘技術(shù)在財(cái)務(wù)預(yù)警領(lǐng)域的應(yīng)用還有待于深入研究。如進(jìn)一步改進(jìn)各種數(shù)據(jù)挖掘算法，使得數(shù)據(jù)挖掘技術(shù)能夠充分發(fā)揮其有效性；完善財(cái)務(wù)狀況的判定，完善財(cái)務(wù)危機(jī)和財(cái)務(wù)預(yù)警方面的經(jīng)濟(jì)解釋，對預(yù)警所采用的數(shù)據(jù)進(jìn)一步分析加工；學(xué)者們應(yīng)當(dāng)完善對于數(shù)據(jù)的處理分析過程；學(xué)者們可以從中小企業(yè)角度進(jìn)行數(shù)據(jù)挖掘技術(shù)應(yīng)用的研究等。綜上，我國在數(shù)據(jù)挖掘在財(cái)務(wù)預(yù)警中的應(yīng)用領(lǐng)域中仍然有進(jìn)一步探討與研究的空間。