多指標(biāo)分析的電爐企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型

王 丹,應(yīng)晨林,曾薇偉

(1.西安交通大學(xué) 城市學(xué)院,陜西 西安 710018;2.西安交通大學(xué) 財(cái)務(wù)處,陜西 西安 710049)

在我國(guó)市場(chǎng)經(jīng)濟(jì)體制改革和發(fā)展過(guò)程中,各行各業(yè)面臨的財(cái)務(wù)風(fēng)險(xiǎn)也與日俱增。對(duì)電爐企業(yè)和國(guó)家來(lái)說(shuō),在線監(jiān)測(cè)金融風(fēng)險(xiǎn)的重要性不言而喻,亟需采取相應(yīng)在線預(yù)警手段來(lái)規(guī)避財(cái)務(wù)風(fēng)險(xiǎn)。

在已有的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警方案中,文獻(xiàn)[1]從兩個(gè)方面建立了財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警體系,分別對(duì)不同的電爐企業(yè)財(cái)務(wù)信息進(jìn)行了分析,并針對(duì)不同的行業(yè)建立了相應(yīng)的風(fēng)險(xiǎn)預(yù)警指標(biāo)和權(quán)重,并進(jìn)行了績(jī)效考核。然而,由于財(cái)務(wù)資料的復(fù)雜性,這種方法在后期會(huì)產(chǎn)生很大的誤差。文獻(xiàn)[2]在云計(jì)算的基礎(chǔ)上設(shè)計(jì)了財(cái)務(wù)風(fēng)險(xiǎn)管控模型。采用云服務(wù)的方式對(duì)異常財(cái)務(wù)進(jìn)行預(yù)警,并建立相應(yīng)的風(fēng)險(xiǎn)指數(shù),并對(duì)其進(jìn)行風(fēng)險(xiǎn)評(píng)價(jià)。在模型的測(cè)試階段,盡管這種方法具有很好的風(fēng)險(xiǎn)管理和控制效果,但是它的整體計(jì)算量過(guò)大,計(jì)算速度過(guò)慢。

為了解決以上問(wèn)題,本文引入了卡爾曼過(guò)濾提升財(cái)務(wù)模型在線監(jiān)控風(fēng)險(xiǎn)的能力。利用卡爾曼濾波技術(shù)濾除財(cái)務(wù)信息中的噪聲數(shù)據(jù),針對(duì)不同級(jí)別的危險(xiǎn)程度,有不同的報(bào)警情況,從多方面建立風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系,劃分財(cái)務(wù)風(fēng)險(xiǎn)等級(jí)詳情,并采用了相應(yīng)的在線預(yù)警手段;通過(guò)該模型對(duì)財(cái)務(wù)風(fēng)險(xiǎn)進(jìn)行在線預(yù)警檢驗(yàn),及時(shí)發(fā)現(xiàn)和處理財(cái)務(wù)風(fēng)險(xiǎn)信息。

1 電爐企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)在線預(yù)警模型設(shè)計(jì)

財(cái)務(wù)風(fēng)險(xiǎn)在線預(yù)警模型應(yīng)該立足于財(cái)務(wù)風(fēng)險(xiǎn)的發(fā)展規(guī)劃、財(cái)務(wù)狀況、生產(chǎn)經(jīng)營(yíng)狀況以及外部行業(yè)資料,借助于先進(jìn)的技術(shù)手段和理論研究成果,使財(cái)務(wù)風(fēng)險(xiǎn)在線預(yù)警手段更具權(quán)威性,從而為財(cái)務(wù)風(fēng)險(xiǎn)管理者提供科學(xué)的在線預(yù)警手段和風(fēng)險(xiǎn)規(guī)避方法。本文設(shè)計(jì)的財(cái)務(wù)風(fēng)險(xiǎn)在線預(yù)警模型主要由財(cái)務(wù)風(fēng)險(xiǎn)識(shí)別模型、財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型和財(cái)務(wù)風(fēng)險(xiǎn)控制模型和模型基本數(shù)據(jù)庫(kù)、風(fēng)險(xiǎn)評(píng)估庫(kù)共同組成。模型流程圖如圖1所示。

圖1 財(cái)務(wù)風(fēng)險(xiǎn)在線預(yù)警模型流程圖

1.1 財(cái)務(wù)風(fēng)險(xiǎn)識(shí)別子模型

財(cái)務(wù)風(fēng)險(xiǎn)識(shí)別子模型主要是分析財(cái)務(wù)風(fēng)險(xiǎn)數(shù)據(jù)中是否含有風(fēng)險(xiǎn)行為[3],或者對(duì)風(fēng)險(xiǎn)的特征識(shí)別和預(yù)警,幫助財(cái)務(wù)風(fēng)險(xiǎn)及時(shí)發(fā)現(xiàn)財(cái)務(wù)風(fēng)險(xiǎn),做好應(yīng)對(duì)措施。由此可見(jiàn),財(cái)務(wù)風(fēng)險(xiǎn)識(shí)別模型的主要功能是預(yù)警。模型構(gòu)成如圖2所示。

圖2 財(cái)務(wù)風(fēng)險(xiǎn)識(shí)別模型構(gòu)成圖

歸根結(jié)底,財(cái)務(wù)風(fēng)險(xiǎn)的主要來(lái)源為財(cái)務(wù)風(fēng)險(xiǎn)內(nèi)部規(guī)章制度的失調(diào)、市場(chǎng)環(huán)境的變化和利益沖突。財(cái)務(wù)風(fēng)險(xiǎn)應(yīng)立足自身發(fā)展條件,及時(shí)應(yīng)對(duì)市場(chǎng)環(huán)境的變化[4],平衡好各個(gè)利益相關(guān)者之間的關(guān)系,從根本上減少財(cái)務(wù)風(fēng)險(xiǎn)出現(xiàn)的概率。

1.2 財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警子模型

財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警子模型從定量的角度出發(fā),通過(guò)對(duì)財(cái)務(wù)風(fēng)險(xiǎn)發(fā)展過(guò)程中的各項(xiàng)財(cái)務(wù)指標(biāo)進(jìn)行模型的分析,再利用計(jì)算機(jī)技術(shù)實(shí)現(xiàn)對(duì)財(cái)務(wù)風(fēng)險(xiǎn)有效預(yù)警。該模型主要由單目標(biāo)預(yù)警模型和綜合預(yù)警模型構(gòu)成。

財(cái)務(wù)風(fēng)險(xiǎn)在完成財(cái)務(wù)風(fēng)險(xiǎn)識(shí)別后,制定了一系列適合本財(cái)務(wù)風(fēng)險(xiǎn)發(fā)展的風(fēng)險(xiǎn)評(píng)估體系以及風(fēng)險(xiǎn)控制指標(biāo),對(duì)于一些特殊的數(shù)據(jù),如產(chǎn)品成本、回報(bào)率、資產(chǎn)營(yíng)收、銷(xiāo)售收入等,應(yīng)將其加入單目標(biāo)預(yù)警模型中,制定報(bào)警閾值并實(shí)時(shí)預(yù)警。這樣可以實(shí)現(xiàn)對(duì)財(cái)務(wù)風(fēng)險(xiǎn)數(shù)據(jù)進(jìn)行最為直觀的預(yù)警,可及時(shí)發(fā)現(xiàn)財(cái)務(wù)風(fēng)險(xiǎn)數(shù)據(jù)狀態(tài)的變化以及財(cái)務(wù)風(fēng)險(xiǎn)的出現(xiàn),當(dāng)某個(gè)目標(biāo)超出報(bào)警閾值后,可以及時(shí)查明原因,實(shí)施相應(yīng)的在線預(yù)警措施。

綜合預(yù)警模型實(shí)現(xiàn)了將預(yù)警模型轉(zhuǎn)化為計(jì)算機(jī)可識(shí)別的模式,將各類(lèi)報(bào)警閾值、財(cái)務(wù)數(shù)據(jù)、計(jì)算機(jī)模型輸入綜合預(yù)警模型中,來(lái)判斷財(cái)務(wù)風(fēng)險(xiǎn)數(shù)據(jù)是否出現(xiàn)風(fēng)險(xiǎn),以全局視角審視財(cái)務(wù)風(fēng)險(xiǎn)數(shù)據(jù)狀況。在輸入的各類(lèi)數(shù)據(jù)中,財(cái)務(wù)風(fēng)險(xiǎn)必須保證數(shù)據(jù)的真實(shí)性和實(shí)時(shí)性,才可實(shí)現(xiàn)預(yù)警模型的有效預(yù)警。

1.3 財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警子模型

財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警子模型是在風(fēng)險(xiǎn)評(píng)估庫(kù)的基礎(chǔ)上實(shí)現(xiàn)的,當(dāng)財(cái)務(wù)風(fēng)險(xiǎn)數(shù)據(jù)指數(shù)變化較大,出現(xiàn)嚴(yán)重的風(fēng)險(xiǎn)狀態(tài),該模型即可根據(jù)風(fēng)險(xiǎn)狀態(tài)和警情的不同,作出不同的報(bào)警提醒和相應(yīng)的預(yù)警措施。財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警子模型可幫助財(cái)務(wù)風(fēng)險(xiǎn)管理者發(fā)現(xiàn)細(xì)微的財(cái)務(wù)風(fēng)險(xiǎn)變化,對(duì)于模糊不定、沒(méi)有標(biāo)準(zhǔn)的個(gè)案,實(shí)施模糊對(duì)待或者特殊對(duì)待,也可交由專(zhuān)業(yè)人員處理,財(cái)務(wù)風(fēng)險(xiǎn)也可將處理結(jié)果存儲(chǔ)在財(cái)務(wù)風(fēng)險(xiǎn)基本信息庫(kù)中,作為經(jīng)驗(yàn)知識(shí)為類(lèi)似事件提供參考依據(jù)。條件允許的情況下,財(cái)務(wù)風(fēng)險(xiǎn)也可在該模型中加入專(zhuān)家方案模塊和案例分析模型,為財(cái)務(wù)風(fēng)險(xiǎn)提供更為豐富的規(guī)避對(duì)策。

1.4 基本信息庫(kù)

基本信息庫(kù)是財(cái)務(wù)風(fēng)險(xiǎn)實(shí)現(xiàn)財(cái)務(wù)風(fēng)險(xiǎn)在線預(yù)警的重要構(gòu)成部分,集合了財(cái)務(wù)風(fēng)險(xiǎn)內(nèi)部所有財(cái)務(wù)數(shù)據(jù)和外部行業(yè)數(shù)據(jù)。該信息庫(kù)的建立,可參考同行業(yè)信息或者國(guó)家統(tǒng)計(jì)局提供的相關(guān)行業(yè)數(shù)據(jù)。信息庫(kù)中的數(shù)據(jù)應(yīng)保證其實(shí)時(shí)性和有效性,對(duì)于不斷變化的市場(chǎng)環(huán)境應(yīng)做好及時(shí)完善和補(bǔ)充,并且對(duì)于財(cái)務(wù)風(fēng)險(xiǎn)發(fā)展的各類(lèi)數(shù)據(jù)應(yīng)保證其真實(shí)性,尤其是財(cái)務(wù)數(shù)據(jù),這對(duì)于后期分析財(cái)務(wù)風(fēng)險(xiǎn)真實(shí)的生產(chǎn)經(jīng)營(yíng)狀況非常重要。管理信息庫(kù)的工作人員,應(yīng)從客觀、理性的角度出發(fā),為財(cái)務(wù)風(fēng)險(xiǎn)在線預(yù)警提供真實(shí)數(shù)據(jù),提高在線預(yù)警模型數(shù)據(jù)處理精度。

2 基于卡爾曼濾波的電爐企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)在線預(yù)警仿真分析

2.1 財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測(cè)

由于財(cái)務(wù)風(fēng)險(xiǎn)信息屬于保密內(nèi)容[5-6],無(wú)法得到具體數(shù)據(jù),本文通過(guò)一系列財(cái)務(wù)指標(biāo)(見(jiàn)圖1)來(lái)代指。基于此,得到了財(cái)務(wù)風(fēng)險(xiǎn)在線預(yù)警模型:

St=At|t-1St-1+Wt-1

(1)

Bt=HtSt+Vt

(2)

式中:St為財(cái)務(wù)風(fēng)險(xiǎn)在t時(shí)期的財(cái)務(wù)狀態(tài);Bt為財(cái)務(wù)風(fēng)險(xiǎn)在t時(shí)期的財(cái)務(wù)指標(biāo);Wt-1為財(cái)務(wù)風(fēng)險(xiǎn)在t-1時(shí)期內(nèi)財(cái)務(wù)狀態(tài)的噪聲信息;Vt為財(cái)務(wù)風(fēng)險(xiǎn)在t時(shí)期的財(cái)務(wù)風(fēng)險(xiǎn)在線預(yù)警指標(biāo)觀測(cè)噪聲;At|t-1為財(cái)務(wù)風(fēng)險(xiǎn)的財(cái)務(wù)狀態(tài)從t-1時(shí)期到t時(shí)期轉(zhuǎn)移的過(guò)程矩陣;Ht為在t時(shí)期,財(cái)務(wù)風(fēng)險(xiǎn)的財(cái)務(wù)狀況與指標(biāo)之間的關(guān)聯(lián)矩陣。本文將方程組中存在的噪聲看作為白噪聲,互不連接、服從正態(tài)分布,且滿足式(3):

再如，臨床科室在給患者診治過(guò)程中供電出現(xiàn)故障導(dǎo)致診療中斷，會(huì)直接威脅到患者生命安全；患者就診完畢后，在院內(nèi)行走時(shí)，遇到地面有積水打滑或墻粉滑落，也會(huì)導(dǎo)致患者受到二次傷害，等等。

(3)

式中:Qt為Wt-1的p×p維對(duì)稱(chēng)非負(fù)定方差矩陣;Rt為Vt的m×m維對(duì)稱(chēng)正定方差矩陣;δtj為Kronecker-δ函數(shù)。

完成上述計(jì)算后,引入卡爾曼濾波[7]對(duì)方程組進(jìn)行求解。卡爾曼濾波在Bt的基礎(chǔ)上,尋找使St的線性離散最小方差的最優(yōu)估計(jì)法,實(shí)現(xiàn)過(guò)程如下所示:

(4)

(2)根據(jù)式(4)求得預(yù)測(cè)誤差方差矩陣:

(5)

(3)計(jì)算Kalman增益矩陣;

(6)

(7)

(5)根據(jù)式(7)的計(jì)算結(jié)果修正預(yù)測(cè)誤差方差:

Pt|t=[I-KtHt]Pt|t-1

(8)

2.2 財(cái)務(wù)風(fēng)險(xiǎn)在線預(yù)警

風(fēng)險(xiǎn)評(píng)估庫(kù)的主要作用是對(duì)財(cái)務(wù)風(fēng)險(xiǎn)數(shù)據(jù)中出現(xiàn)的異常數(shù)據(jù)進(jìn)行風(fēng)險(xiǎn)評(píng)估,實(shí)現(xiàn)財(cái)務(wù)風(fēng)險(xiǎn)在線預(yù)警[11]。根據(jù)風(fēng)險(xiǎn)狀態(tài)的輕重緩急,將風(fēng)險(xiǎn)等級(jí)劃分為五級(jí),劃分標(biāo)準(zhǔn)如表1所示。假設(shè)等級(jí)劃分的第一檔基礎(chǔ)分為x,第二檔為y,風(fēng)險(xiǎn)評(píng)估的實(shí)際結(jié)果為o,那么異常財(cái)務(wù)數(shù)據(jù)的評(píng)估功效系數(shù)z為

表1 財(cái)務(wù)風(fēng)險(xiǎn)等級(jí)詳情

z=(o-y)/(x-y)

(9)

由式(9)可得出等級(jí)的調(diào)整分f為

f=z*(x-y)

(10)

將基礎(chǔ)分與調(diào)整分相加,即為異常財(cái)務(wù)數(shù)據(jù)的單項(xiàng)指標(biāo)得分,各個(gè)指標(biāo)得分相加即為綜合得分[12],如式(11)所示:

(11)

式中:J為指標(biāo)的權(quán)數(shù)。計(jì)算式(11)即可獲得財(cái)務(wù)數(shù)據(jù)的風(fēng)險(xiǎn)等級(jí)劃分。

通過(guò)表1的風(fēng)險(xiǎn)等級(jí)劃分標(biāo)準(zhǔn),電爐企業(yè)可自行檢查,如若發(fā)現(xiàn)風(fēng)險(xiǎn)狀態(tài)較高的情況,應(yīng)及時(shí)采取措施加以改善,避免出現(xiàn)嚴(yán)重后果。在本模型中,根據(jù)風(fēng)險(xiǎn)狀態(tài)和警情的不同,設(shè)定了管控手段[13-15]。首先,提取異常財(cái)務(wù)風(fēng)險(xiǎn)信息,利用編程語(yǔ)言獲得信息代碼,并利用大數(shù)據(jù)技術(shù)對(duì)其進(jìn)行深入分析;最終根據(jù)風(fēng)險(xiǎn)特點(diǎn),采取相應(yīng)的處理方式實(shí)施對(duì)財(cái)務(wù)風(fēng)險(xiǎn)的管控,及時(shí)規(guī)避財(cái)務(wù)風(fēng)險(xiǎn)事件的發(fā)生。

3 實(shí)驗(yàn)分析

為了及時(shí)發(fā)現(xiàn)和糾正模型中的不足,進(jìn)行模型性能測(cè)試實(shí)驗(yàn),在模型構(gòu)建過(guò)程中,選取了5家公司2020年度的財(cái)務(wù)運(yùn)營(yíng)狀況作為抽樣樣本,以2021年度的財(cái)務(wù)運(yùn)營(yíng)狀況為測(cè)試樣本,利用該模型對(duì)2021年度的財(cái)務(wù)風(fēng)險(xiǎn)狀況進(jìn)行了預(yù)警,并與文獻(xiàn)[1]、文獻(xiàn)[2]方法進(jìn)行對(duì)比。

3.1 異常財(cái)務(wù)數(shù)據(jù)濾波效果

選取了某電爐企業(yè)3組異常財(cái)務(wù)數(shù)據(jù)作為測(cè)試用例,將與文獻(xiàn)[1]、文獻(xiàn)[2]方法進(jìn)行實(shí)際應(yīng)用性能對(duì)比。驗(yàn)證不同方法對(duì)異常財(cái)務(wù)數(shù)據(jù)的濾波效果,如圖3所示。

圖3 異常財(cái)務(wù)數(shù)據(jù)濾波效果

如圖3所示,3組異常財(cái)務(wù)數(shù)據(jù)分布較為混亂,而經(jīng)本文方法濾波處理后,剔除了邊緣數(shù)據(jù),對(duì)不同種類(lèi)的數(shù)據(jù)進(jìn)行了準(zhǔn)確聚類(lèi),有效提升了數(shù)據(jù)的處理性能。得出上述結(jié)果的原因?yàn)?本文方法采用卡爾曼濾波技術(shù)對(duì)財(cái)務(wù)信息進(jìn)行濾波,能夠?yàn)V除異常財(cái)務(wù)數(shù)據(jù)中的冗余數(shù)據(jù),實(shí)現(xiàn)異常財(cái)務(wù)數(shù)據(jù)的聚類(lèi)。

3.2 速動(dòng)比率及固定資產(chǎn)周轉(zhuǎn)率預(yù)測(cè)性能

將2021年度3家公司的主要財(cái)務(wù)指標(biāo)——速動(dòng)比率和固定資產(chǎn)周轉(zhuǎn)率——進(jìn)行了預(yù)測(cè),其中,速動(dòng)比率是指電爐企業(yè)在一定經(jīng)營(yíng)期間的速動(dòng)資產(chǎn)與流動(dòng)負(fù)債的比率,固定資產(chǎn)周轉(zhuǎn)率是電爐企業(yè)銷(xiāo)售收入與固定資產(chǎn)凈值的比率。給出了相應(yīng)的預(yù)測(cè)結(jié)果,如圖4所示。

圖4 電爐企業(yè)財(cái)務(wù)指標(biāo)預(yù)測(cè)結(jié)果

從圖4可以看出,利用本文的預(yù)警模型進(jìn)行訓(xùn)練,得出5家公司的速動(dòng)比率、固定資產(chǎn)周轉(zhuǎn)率兩項(xiàng)指標(biāo)具有很好的預(yù)測(cè)效果,并且與實(shí)際值的偏差很小,證明了本文模型對(duì)電爐企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)指標(biāo)的預(yù)測(cè)準(zhǔn)確性較好。在預(yù)警模型中,可以根據(jù)對(duì)5家公司的統(tǒng)計(jì)數(shù)據(jù)設(shè)定速動(dòng)率和固定資產(chǎn)周轉(zhuǎn)率的閾值。將速動(dòng)比率閾值設(shè)定為0.6,資產(chǎn)周轉(zhuǎn)率設(shè)定為5,運(yùn)用本文模型進(jìn)行電爐企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警。當(dāng)速動(dòng)比率小于0.6時(shí),要重視負(fù)債風(fēng)險(xiǎn),而在固定資產(chǎn)周轉(zhuǎn)率為5以下時(shí),要重視電爐企業(yè)設(shè)備利用率的風(fēng)險(xiǎn)。

3.3 預(yù)警用時(shí)及誤報(bào)率

在此基礎(chǔ)上測(cè)試不同方法的預(yù)警用時(shí)與誤報(bào)率,驗(yàn)證不同方法在處理數(shù)據(jù)預(yù)警效率與精度方面的性能。實(shí)驗(yàn)結(jié)果如圖5、圖6所示。

圖5 三種方法預(yù)警誤報(bào)率對(duì)比結(jié)果

圖6 三種方法預(yù)警用時(shí)對(duì)比

從圖5中可以看出,在對(duì)異常財(cái)務(wù)數(shù)據(jù)誤報(bào)率的計(jì)算過(guò)程中,文獻(xiàn)[1]方法誤報(bào)率的波動(dòng)范圍在3.5%～4.5%,平均誤報(bào)率為4.1%;文獻(xiàn)[2]方法誤報(bào)率的波動(dòng)范圍在4.5%～6.2%,平均誤報(bào)率為5.6%;本文方法誤報(bào)率的波動(dòng)范圍在0.5%～1.0%,平均誤報(bào)率僅為0.7%。不管隨著數(shù)據(jù)量如何變化,本文方法誤報(bào)率始終低于其他兩種方法,說(shuō)明本文方法預(yù)警計(jì)算精度較高。并且本文方法的計(jì)算殘差在0.8～1.3,也體現(xiàn)了本文方法的計(jì)算誤差較小,計(jì)算結(jié)果準(zhǔn)確。分析得出上述結(jié)果的原因?yàn)?本文方法詳細(xì)分析了財(cái)務(wù)風(fēng)險(xiǎn)在線預(yù)警指標(biāo),并計(jì)算了指標(biāo)的財(cái)務(wù)風(fēng)險(xiǎn)狀態(tài)預(yù)測(cè)值,以指標(biāo)預(yù)測(cè)值為依據(jù)劃分了財(cái)務(wù)風(fēng)險(xiǎn)等級(jí)詳情,實(shí)現(xiàn)了電爐企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)準(zhǔn)確預(yù)警。

從圖6中可以看出,在異常財(cái)務(wù)數(shù)據(jù)數(shù)量相同的前提下,本文方法預(yù)警用時(shí)均低于文獻(xiàn)[1]與文獻(xiàn)[2]兩種方法。隨著測(cè)試數(shù)據(jù)的不斷增加,其他兩種方法曲線呈直線上升的趨勢(shì),而本文方法的曲線則趨于平穩(wěn),呈緩慢上漲的趨勢(shì)。當(dāng)數(shù)據(jù)量達(dá)到6 000 Mb,文獻(xiàn)[1]方法的預(yù)警用時(shí)為110 s,文獻(xiàn)[2]方法的預(yù)警用時(shí)為105 s,本文方法的預(yù)警用時(shí)為28 s。分析得出該結(jié)果的原因是本文方法由于引入了卡爾曼濾波算法,濾除了數(shù)據(jù)冗余,保留了有效數(shù)據(jù),因此預(yù)警過(guò)程中的無(wú)效數(shù)據(jù)較少,提升了預(yù)警效率。

綜上所述,本文在處理異常財(cái)務(wù)數(shù)據(jù)時(shí),具有超低的預(yù)警誤報(bào)率和用時(shí),為在線預(yù)警模型實(shí)施手段提供了堅(jiān)實(shí)的技術(shù)基礎(chǔ)。

3.4 異常財(cái)務(wù)數(shù)據(jù)風(fēng)險(xiǎn)在線預(yù)警性能分析

在驗(yàn)證了三種方法預(yù)警誤報(bào)率和預(yù)警耗時(shí)后,為進(jìn)一步體現(xiàn)所設(shè)計(jì)模型的實(shí)際應(yīng)用性,驗(yàn)證本文設(shè)計(jì)的財(cái)務(wù)風(fēng)險(xiǎn)在線預(yù)警模型在實(shí)際應(yīng)用中是否有效。分別運(yùn)用三種方法對(duì)3組異常財(cái)務(wù)數(shù)據(jù)進(jìn)行風(fēng)險(xiǎn)在線預(yù)警,對(duì)比三種方法下對(duì)測(cè)試用例的風(fēng)險(xiǎn)等級(jí)評(píng)判是否正確,實(shí)驗(yàn)結(jié)果如表2所示。

表2 三種方法下異常財(cái)務(wù)數(shù)據(jù)風(fēng)險(xiǎn)等級(jí)對(duì)比

由表2可知,采用三種方法對(duì)異常財(cái)務(wù)數(shù)據(jù)進(jìn)行風(fēng)險(xiǎn)在線預(yù)警后,風(fēng)險(xiǎn)評(píng)價(jià)指數(shù)和風(fēng)險(xiǎn)狀態(tài)均有所改善,但是本文方法在線預(yù)警下數(shù)據(jù)風(fēng)險(xiǎn)等級(jí)與其原數(shù)據(jù)風(fēng)險(xiǎn)等級(jí)一致,預(yù)警準(zhǔn)確性均優(yōu)于其他兩種方法,說(shuō)明本文方法對(duì)于財(cái)務(wù)風(fēng)險(xiǎn)的在線預(yù)警能力更強(qiáng)。綜上所述,本文方法的預(yù)警用時(shí)較短,誤報(bào)率較小,且異常財(cái)務(wù)數(shù)據(jù)風(fēng)險(xiǎn)在線預(yù)警結(jié)果準(zhǔn)確,體現(xiàn)了該方法在電爐企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警方面的有效性。

4 結(jié) 論

針對(duì)傳統(tǒng)方法在處理財(cái)務(wù)風(fēng)險(xiǎn)數(shù)據(jù)時(shí),常常出現(xiàn)計(jì)算效率低、風(fēng)險(xiǎn)在線預(yù)警能力差等問(wèn)題,在卡爾曼濾波的基礎(chǔ)上,提出了財(cái)務(wù)風(fēng)險(xiǎn)在線預(yù)警模型。本文設(shè)計(jì)的財(cái)務(wù)風(fēng)險(xiǎn)在線預(yù)警模型,適應(yīng)財(cái)務(wù)發(fā)展需求,通過(guò)信息庫(kù)和風(fēng)險(xiǎn)評(píng)估庫(kù)的支持,制定了風(fēng)險(xiǎn)評(píng)估等級(jí)劃分標(biāo)準(zhǔn),根據(jù)不同的風(fēng)險(xiǎn)狀態(tài)采取相應(yīng)的對(duì)策,提高財(cái)務(wù)數(shù)據(jù)的計(jì)算效率,為財(cái)務(wù)風(fēng)險(xiǎn)做好規(guī)避措施,避免出現(xiàn)財(cái)務(wù)風(fēng)險(xiǎn)問(wèn)題。