蔣尹華　黃洪浪

摘要：文章嘗試將人工智能中的CBR技術(shù)運(yùn)用于企業(yè)融資風(fēng)險(xiǎn)的預(yù)測(cè)過(guò)程，采用案例推理的方法資風(fēng)險(xiǎn)預(yù)測(cè)管理推理流程，并分別從案例檢索算法選擇，特征權(quán)值確定等方面提出具體的實(shí)（CBR），在分析融資各項(xiàng)風(fēng)險(xiǎn)的基礎(chǔ)上，通過(guò)構(gòu)建企業(yè)融資風(fēng)險(xiǎn)預(yù)測(cè)管理案例庫(kù)，建立融施方法，實(shí)現(xiàn)高科技中小企業(yè)的融資風(fēng)險(xiǎn)預(yù)測(cè)管理，為企業(yè)融資的各方提供決策依據(jù)。

關(guān)鍵詞：融資風(fēng)險(xiǎn)；案例推理；中小企業(yè)融資

中圖分類號(hào)：F276 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-2374（2014）03-0160-03

1 概述

高科技中小企業(yè)具有“技術(shù)性”和“中小規(guī)?！钡奶攸c(diǎn)，這種屬性就必然成為其自身障礙，融資過(guò)程中面臨更多困難。高科技中小企業(yè)其發(fā)展的最大瓶頸就是融資風(fēng)險(xiǎn)。對(duì)這類企業(yè)進(jìn)行風(fēng)險(xiǎn)評(píng)估與分析，幫助企業(yè)實(shí)現(xiàn)財(cái)務(wù)結(jié)構(gòu)的合理化，并盡可能獲取合理的投資權(quán)益，對(duì)高新技術(shù)產(chǎn)業(yè)的發(fā)展和促進(jìn)中國(guó)經(jīng)濟(jì)保持增長(zhǎng)具有重要意義。

針對(duì)企業(yè)融資風(fēng)險(xiǎn)的分析，很多學(xué)者們通過(guò)定量的方法建立相關(guān)模型，建立股權(quán)資本期望報(bào)酬率服從正態(tài)分布下的融資風(fēng)險(xiǎn)定量模型；林志宏，董學(xué)晨通過(guò)研究基于粗糙集和熵模型的電力企業(yè)融資風(fēng)險(xiǎn)管理，同時(shí)從財(cái)務(wù)指標(biāo)出發(fā)，評(píng)價(jià)企業(yè)融資風(fēng)險(xiǎn)狀況；馮日欣從企業(yè)融資的基本途徑出發(fā)，進(jìn)而分析影響融資風(fēng)險(xiǎn)的決定因素，最后提出融資風(fēng)險(xiǎn)的衡量方法；CBR（Case-basedreasoning）方法，作為一個(gè)解決問(wèn)題的方法，以模擬方式，以相似案例對(duì)當(dāng)下問(wèn)題進(jìn)行求解，有助于提高效率和質(zhì)量。郭艷紅等人對(duì)基于案例推理的這種增量式的學(xué)習(xí)方法做了綜述性的研究。溫偉，杜云燕把CBR方法運(yùn)用到珠江口土地利用變化的推測(cè)；周國(guó)柱采用案例推理方法建立解決船舶避碰問(wèn)題的決策支持模型；戟曉峰，劉瀾提出基于CBR方法的解決交通擁堵問(wèn)題的模型，通過(guò)從案例庫(kù)中找到最相似的案例和相應(yīng)的處置方案，解決現(xiàn)實(shí)問(wèn)題。在近些年的發(fā)展過(guò)程中，該模型的應(yīng)用研究多集中于計(jì)算機(jī)數(shù)據(jù)分析與處理，利用軟計(jì)算方法進(jìn)行的系統(tǒng)優(yōu)化與決策，分子生物學(xué)，機(jī)器人控制，地質(zhì)勘測(cè)等工程理論方面，而對(duì)于經(jīng)濟(jì)管理領(lǐng)域卻很少涉及，僅有的研究也只局限于生產(chǎn)鏈條的整體優(yōu)化。

基于此，本文從企業(yè)管理實(shí)踐的具體工作出發(fā)，探索CBR方法對(duì)于高科技中小企業(yè)融資風(fēng)險(xiǎn)預(yù)測(cè)方面所能發(fā)揮的重大作用。

2 基于CBR理論的高科技中小企業(yè)風(fēng)險(xiǎn)預(yù)測(cè)

圖1 基于CBR方法的融資風(fēng)險(xiǎn)預(yù)測(cè)管理推理過(guò)程

高科技中小企業(yè)融風(fēng)險(xiǎn)管理的主要功能是，把各企業(yè)的風(fēng)險(xiǎn)控制量化標(biāo)準(zhǔn)的相關(guān)信息作為信息的輸入，依據(jù)風(fēng)險(xiǎn)控制的相關(guān)屬性與特征在案例庫(kù)中尋找相關(guān)性較高的案例作比較，最后對(duì)輸入案例的風(fēng)險(xiǎn)程度作出預(yù)測(cè)。各高科技中小企業(yè)之間在生產(chǎn)經(jīng)營(yíng)管理和外部環(huán)境方面具有典型的相似性，所面臨的各項(xiàng)風(fēng)險(xiǎn)相對(duì)固定，決定了在企業(yè)融資風(fēng)險(xiǎn)方面必然存在相似性，同時(shí)，對(duì)于具有內(nèi)在聯(lián)系的各影響因素的相關(guān)程度在不同企業(yè)之間同樣會(huì)表現(xiàn)出很大的相似性。顯然，通過(guò)分析廣泛的高科技中小企業(yè)融資過(guò)程中所面臨風(fēng)險(xiǎn)的歷史案例，可以指導(dǎo)性的解決當(dāng)前企業(yè)的風(fēng)險(xiǎn)預(yù)測(cè)與控制的問(wèn)題?；贑BR方法的高科技中小企業(yè)融資風(fēng)險(xiǎn)預(yù)測(cè)管理過(guò)程見(jiàn)圖1所示?？萍夹椭行∑髽I(yè)融資風(fēng)險(xiǎn)屬性通常包括但不限于以下各風(fēng)險(xiǎn)因素：支付風(fēng)險(xiǎn)，財(cái)務(wù)杠桿風(fēng)險(xiǎn)（DFL），企業(yè)運(yùn)營(yíng)活動(dòng)風(fēng)險(xiǎn)，來(lái)自政府方面的風(fēng)險(xiǎn)，匯率風(fēng)險(xiǎn)，系統(tǒng)風(fēng)險(xiǎn)。

3 高科技中小企業(yè)風(fēng)險(xiǎn)的案例表示與案例檢索

案例的表示必須要遵循一定的規(guī)則，形成規(guī)范的結(jié)構(gòu)，以便于案例的檢索和適配。在實(shí)際應(yīng)用中，不可能做到案例庫(kù)覆蓋整個(gè)問(wèn)題所有風(fēng)險(xiǎn)因素，只能做到盡可能去涵蓋各個(gè)問(wèn)題區(qū)域，本文根據(jù)風(fēng)險(xiǎn)管理基本思想，通過(guò)風(fēng)險(xiǎn)管控、案例問(wèn)題域存儲(chǔ)結(jié)構(gòu)（如表1），通過(guò)擬定案例庫(kù)中的屬性，構(gòu)建案例庫(kù)管理模型，并對(duì)目前企業(yè)風(fēng)險(xiǎn)狀況給予分析評(píng)估，預(yù)測(cè)風(fēng)險(xiǎn)，得出結(jié)果。

案例檢索是從案例庫(kù)中找出與當(dāng)前案例相似的案例。科學(xué)的檢索方法可以提高檢索效率，保證檢索質(zhì)量。本文按照檢索中的最近相鄰原則，通過(guò)累加目標(biāo)案例，檢索案例庫(kù)中案例的每個(gè)字段的相似度，進(jìn)而計(jì)算出總體相似度。結(jié)合案例表示的本質(zhì)，案例特征由各項(xiàng)特征屬性組構(gòu)成，通常先對(duì)案例屬性進(jìn)行比對(duì)，從各個(gè)比對(duì)點(diǎn)進(jìn)行核算，進(jìn)而匯總各項(xiàng)屬性計(jì)算結(jié)果，最終匯總得出各案例間的相似度：

（1）數(shù)值型屬性的相似度。設(shè)案例Ci與案例Cj的第k個(gè)屬性值為數(shù)值屬性，其屬性值分別記為Vik和Vjk，對(duì)屬性值進(jìn)行歸一化處理，使得Vik和Vjk∈[0，1]，則案例Ci和案例Cj的第k個(gè)屬性值的相似度為：

式中，表示案例Ci和案例Cj在第k個(gè)屬性上的距離絕對(duì)值，

（2）數(shù)值區(qū)間型屬性的相似度。區(qū)間型屬性可用模糊區(qū)間或模糊中心數(shù)表示，設(shè)案例Ci的第k個(gè)屬性值Vik為數(shù)值區(qū)間型，Vik表示成模糊區(qū)間數(shù)的形式為，

其中和分別為區(qū)間下限值和上限值。案例Cj的第k個(gè)屬性值Vjk表示為模糊區(qū)間數(shù)，對(duì)區(qū)間數(shù)進(jìn)行歸一化處理后，案例Ci和案例Cj的第k個(gè)屬性值的相似

度為：

式中，表示案例Ci和案例Cj在第k個(gè)屬性上的平均歐式距離，

（3）枚舉型屬性的相似度。枚舉型屬性的相似度計(jì)算相對(duì)簡(jiǎn)便，只要兩個(gè)案例的屬性值相同，兩者的相似度為1，否則為0。

在計(jì)算出案例各屬性值的相似度以后，就可以計(jì)算案例之間的相似度。由于各屬性對(duì)案例整體上的相似度有不同的貢獻(xiàn)，因此兩個(gè)案例之間的相似度為：

式中，wk為第個(gè)屬性的權(quán)重，且。

理論上，案例推理檢索出的融資風(fēng)險(xiǎn)管理案例模型可以在企業(yè)初期進(jìn)行融資風(fēng)險(xiǎn)的預(yù)估與判定，但實(shí)際需要解決的問(wèn)題與模型必然存在相當(dāng)差異。通過(guò)對(duì)案例進(jìn)行修正與改進(jìn)，以達(dá)到適應(yīng)具體案例的目標(biāo)。同時(shí)，通過(guò)不斷修正調(diào)整每次案例預(yù)測(cè)的過(guò)程必然形成新的案例，這種自學(xué)習(xí)的過(guò)程促進(jìn)了案例的積累與豐富，提高了企業(yè)系統(tǒng)解決問(wèn)題的能力。

4 實(shí)例分析

以某中小技術(shù)型企業(yè)的上年度各項(xiàng)指標(biāo)為基礎(chǔ)進(jìn)行該企業(yè)的融資風(fēng)險(xiǎn)程度預(yù)測(cè)，利用CBR方法推求適用的企業(yè)融資管理模型和方案。通過(guò)對(duì)企業(yè)年末財(cái)務(wù)報(bào)表的各項(xiàng)數(shù)據(jù)的提取，其特征可描述為

C={20，3，20，0.023，42，一般，0.02～0.04，一般}

通過(guò)初步檢索，從案例庫(kù)中得到一組與該企業(yè)各項(xiàng)風(fēng)險(xiǎn)控制指標(biāo)基本相關(guān)的匹配案例，為了更加直觀起見(jiàn)，初步檢索出的案例用Ci表示，見(jiàn)表1。

計(jì)算案例的相似度的步驟如下：

（1）確定各特征屬性的權(quán)重。用層次分析法計(jì)算出各特征屬性的權(quán)重，見(jiàn)表2。

（2）計(jì)算各特征屬性的相似度，首先對(duì)案例的特征屬性值進(jìn)行歸一化處理，然后根據(jù)公式1～3分別計(jì)算各特征屬性之間的相似度。以C0和C1為例，說(shuō)明特征屬性相似度的計(jì)算方法。

（3）計(jì)算案例相似度。得到案例各特征屬性的相似度后，可由式（4）計(jì)算案例相似度。當(dāng)前問(wèn)題C0與C1之間的相似度為：。同理，可求得案例C0與其余案例各特征屬性的相似度和案例間相似度，計(jì)算結(jié)果見(jiàn)表5。

表5給出了當(dāng)前企業(yè)融資風(fēng)險(xiǎn)問(wèn)題和從案例庫(kù)中檢索出來(lái)的5個(gè)案例之間的相似度，由表5中最后一列可以看出，當(dāng)前融資風(fēng)險(xiǎn)預(yù)測(cè)問(wèn)題與案例C5最相似（大于文本中給定的閾值0.95），因此該科技型中小企業(yè)的融資風(fēng)險(xiǎn)水平與企業(yè)C5的融資風(fēng)險(xiǎn)最為接近，我們可以近似的認(rèn)為該企業(yè)的風(fēng)險(xiǎn)融資水平為。需要指出的是，如果沒(méi)有相似度接近的特征屬性，可以崇相似的較大的案例開(kāi)始修正，先修正局部相似度，后調(diào)整整體相似度，已解決當(dāng)前問(wèn)題。

5 結(jié)語(yǔ)

為應(yīng)對(duì)科技型中小企業(yè)融資困境，預(yù)測(cè)企業(yè)融資風(fēng)險(xiǎn)很有必要。本文嘗試基于CBR方法預(yù)測(cè)評(píng)估企業(yè)融資風(fēng)險(xiǎn)，建立了基于CBR方法的融資風(fēng)險(xiǎn)預(yù)測(cè)管理推理流程（圖1），并分別從算法選擇和關(guān)鍵特征值分析，確定科學(xué)的方案，制定合理方法。實(shí)例證明CBR可以滿足此類企業(yè)在融資過(guò)程中的風(fēng)險(xiǎn)預(yù)控要求，從成功的融資案例中進(jìn)行比較分析，給出相對(duì)客觀的風(fēng)險(xiǎn)預(yù)測(cè)水平，從而實(shí)現(xiàn)融資風(fēng)險(xiǎn)預(yù)測(cè)管理的智能化，知識(shí)化與科

學(xué)化。

參考文獻(xiàn)

[1] 杜云艷，周成虎，邵全琴，等.地理案例推理及其應(yīng)用[J].地理學(xué)報(bào)，2002，57（2）：151-158.

[2] RAINER.S，LOTHAR.G.Case based reasoning for antibiotics therapy advice： an investigation of retrieval algorithms and prototypes [J].Artificial Intelligence in Medicine， 2001，23（2） 171-186.

[3] 梁萊歆，王正兵.高科技企業(yè)融資風(fēng)險(xiǎn)定量模型及其實(shí)證研究[J].系統(tǒng)工程，2004，22（12）.

[4] 馮日欣.企業(yè)融資風(fēng)險(xiǎn)研究[J].山東財(cái)政學(xué)院學(xué)報(bào)，2003，（3）.

[5] 戟曉峰，劉瀾.基于案例推理的交通擁擠管理方法[J].西南交通大學(xué)學(xué)報(bào)，2009，44（3）.

[6] 寧鐘，孫薇，謝筱玲.基于案例推理的供應(yīng)鏈突發(fā)危機(jī)應(yīng)急處理原型系統(tǒng)研究[J].管理學(xué)家：學(xué)術(shù)版，2011（3）：3-13.

[7] 余祥，李強(qiáng)，孫勝軍.基于TCBR的測(cè)試用例復(fù)用方法研究[J].計(jì)算機(jī)工程與設(shè)計(jì)，2012，33（11）：4230-4234，4313.

[8] 劉曉文，于瑾.融合RBR和CBR的旅游服務(wù)企業(yè)自動(dòng)談判系統(tǒng)研究[J].計(jì)算機(jī)工程與設(shè)計(jì)，2012，33（12）：4696-4700.

[9] 宋璇，肖建武.企業(yè)融資風(fēng)險(xiǎn)的預(yù)控分析[J].會(huì)計(jì)之友，2012（4）：114-116.

[10] 吳宏遠(yuǎn).中小企業(yè)融資風(fēng)險(xiǎn)防范—基于民間金融的視角[J].財(cái)會(huì)通訊：綜合（中），2012，（10）：137-138.

[11] 王艷林.中小企業(yè)融資風(fēng)險(xiǎn)影響因素實(shí)證分析—來(lái)自中小板上市公司數(shù)據(jù)的檢驗(yàn)[J].財(cái)會(huì)通訊：綜合（下），2012，（10）：117-119.

作者簡(jiǎn)介：蔣尹華（1987—），男，湖北公安人，供職于武漢工程大學(xué)教務(wù)處，講師，博士，研究方向：人力資本與技術(shù)創(chuàng)新；黃洪浪（1972—），女，湖南長(zhǎng)沙人，供職于北大縱橫管理咨詢有限公司，研究方向：人力資本與技術(shù)創(chuàng)新。