趙青

【摘? 要】以大數(shù)據(jù)與企業(yè)財務(wù)風(fēng)險預(yù)警為切入點，在前人研究的基礎(chǔ)上，概述企業(yè)財務(wù)預(yù)警方法相關(guān)理論，通過對現(xiàn)有企業(yè)財務(wù)預(yù)警方法及其效用的分析發(fā)現(xiàn)企業(yè)財務(wù)預(yù)警方法的不足之處，對企業(yè)財務(wù)預(yù)警的機(jī)制和路徑提出新的設(shè)計。

【關(guān)鍵詞】大數(shù)據(jù);企業(yè)財務(wù)風(fēng)險;預(yù)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(xiàn)代社會是一個高速發(fā)展的社會，科技日新月異，大數(shù)據(jù)就是這個高科技時代的產(chǎn)物。大數(shù)據(jù)對于企業(yè)的價值可以體現(xiàn)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(shù)據(jù)進(jìn)行精準(zhǔn)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(shù)據(jù)進(jìn)行服務(wù)轉(zhuǎn)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(shù)據(jù)進(jìn)行充分利用[1]。大數(shù)據(jù)分析就是通過對大量數(shù)據(jù)的研究尋找相似相關(guān)等有用的信息，能夠幫助企業(yè)更好地規(guī)避風(fēng)險，適應(yīng)變化，并從企業(yè)長遠(yuǎn)戰(zhàn)略角度做出明智的決策。

本文對企業(yè)財務(wù)預(yù)警方法和理論進(jìn)行解釋說明，分析出大數(shù)據(jù)與企業(yè)財務(wù)預(yù)警方法的關(guān)聯(lián)性?？偨Y(jié)發(fā)現(xiàn)大數(shù)據(jù)背景下企業(yè)現(xiàn)有財務(wù)預(yù)警方法的不足。提出大數(shù)據(jù)背景下對于企業(yè)財務(wù)預(yù)警方法的要求，對企業(yè)財務(wù)預(yù)警方法的機(jī)制和路徑進(jìn)行改進(jìn) 與提升。

2 大數(shù)據(jù)與企業(yè)財務(wù)預(yù)警概述

2.1 企業(yè)財務(wù)風(fēng)險

企業(yè)財務(wù)風(fēng)險是指在企業(yè)財務(wù)活動中受一些難以預(yù)想和操控的因素影響，企 業(yè)財務(wù)狀況具有顯著的不確定性，企業(yè)可能因此蒙受損失。財務(wù)風(fēng)險是企業(yè)經(jīng)營過程中各種風(fēng)險在財務(wù)上的體現(xiàn)，具有復(fù)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(jīng)濟(jì)政 策等客觀因素導(dǎo)致了財務(wù)風(fēng)險的客觀性，不受企業(yè)自身所控制，也因此說明了財務(wù)風(fēng)險是難以避免的。

2.2 企業(yè)財務(wù)預(yù)警

“預(yù)警”是指在風(fēng)險發(fā)生之前，根據(jù)過往的經(jīng)驗規(guī)律和分析得到的可能性前兆，計算風(fēng)險發(fā)生的概率，發(fā)出信號報告危險狀況，以防止風(fēng)險在毫無準(zhǔn)備或準(zhǔn)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(wù)風(fēng)險預(yù)警是指 企業(yè)利用財務(wù)管理等理論和統(tǒng)計數(shù)學(xué)等方法，根據(jù)企業(yè)的經(jīng)營活動中可能會發(fā)生 的風(fēng)險對企業(yè)的財務(wù)數(shù)據(jù)和非財務(wù)數(shù)據(jù)進(jìn)行分析評判，從而發(fā)現(xiàn)企業(yè)財務(wù)風(fēng)險，對風(fēng)險的類型、形成原因及其影響進(jìn)行分析，給企業(yè)經(jīng)營者發(fā)出預(yù)警信號，使管理者對風(fēng)險進(jìn)行防范和管理，最終能夠避免或減少企業(yè)財務(wù)風(fēng)險造成的損失，為 企業(yè)的經(jīng)營運作和穩(wěn)定發(fā)展保駕護(hù)航。

2.3 大數(shù)據(jù)與企業(yè)財務(wù)預(yù)警

在大數(shù)據(jù)時代，企業(yè)的日常運營產(chǎn)生大量的數(shù)據(jù)和信息，以 往的財務(wù)管理方式難以對數(shù)量龐大的數(shù)據(jù)進(jìn)行高效搜集和分析，因此要依靠大 數(shù)據(jù)技術(shù)，充分發(fā)揮大數(shù)據(jù)技術(shù)在獲取、分類與分析數(shù)據(jù)信息方面的特有能力， 高效整合企業(yè)的財務(wù)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(wù)風(fēng)險，保障企業(yè)運營。且在企業(yè)財務(wù)風(fēng)險預(yù)警的基本環(huán)節(jié)中，大數(shù)據(jù)具有很高的應(yīng)用價值，表現(xiàn)在以下方面：一方面，大數(shù)據(jù)運算能夠改進(jìn)以往企業(yè)財務(wù)風(fēng)險預(yù)警方法主觀性較強(qiáng)的不足;另一方面，大數(shù)據(jù)技術(shù)本身的特點更符合企業(yè)要求。大數(shù)據(jù)技術(shù)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(jīng)濟(jì)發(fā) 展大方向，從而能夠推動企業(yè)進(jìn)行財務(wù)風(fēng)險預(yù)警，能夠進(jìn)一步提升企業(yè)財務(wù)風(fēng)險 預(yù)警效果。

3 基于大數(shù)據(jù)的企業(yè)財務(wù)預(yù)警方法設(shè)計

3.1 企業(yè)財務(wù)預(yù)警方法現(xiàn)狀分析

現(xiàn)有企業(yè)財務(wù)預(yù)警方法主要包括傳統(tǒng)統(tǒng)計模型預(yù)警方法和人工智能專家系統(tǒng)預(yù)警方法。其中，傳統(tǒng)統(tǒng)計模型預(yù)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(yù)警方法包括神經(jīng)網(wǎng)絡(luò)模型、遺傳算法模型、支持向量機(jī)模型和案例推理。

單變量模型最早應(yīng)用于財務(wù)預(yù)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(wù)指標(biāo)單一，不能覆蓋企業(yè)的全部經(jīng)營情況，邏輯回歸模型能夠在不需要假設(shè)變量呈正態(tài)分布的條件下進(jìn)行。財務(wù)預(yù)警模型中引入遺傳算法，可以改進(jìn)多元線性分析中不夠客觀的缺陷，但預(yù)測的準(zhǔn)確度方面卻沒有提升反而降低。支持向量機(jī)模型能夠處理動態(tài)和不穩(wěn)定數(shù)據(jù)，但由于其過度適應(yīng)難以選擇到合適的特征集。案例推理的財務(wù)危機(jī)預(yù)警方法與以上方法相比更能夠在復(fù)雜多變或數(shù)據(jù)不足的環(huán)境中使用，能夠發(fā)現(xiàn)風(fēng)險并提出解決方案，幫助企業(yè)管理者進(jìn)行決策，但只適合與其他預(yù)測方法聯(lián)合使用，不能單獨進(jìn)行預(yù)警。隨著財務(wù)預(yù)警理論和技術(shù)手段的發(fā)展，財務(wù)預(yù)警方法也隨之不斷完善，人工智能方法的升級和大數(shù)據(jù)技術(shù)的使用成為當(dāng)下的趨勢，將通過集成各種方法和手段來提高預(yù)警準(zhǔn)確性。

3.2 企業(yè)財務(wù)風(fēng)險預(yù)警機(jī)制設(shè)計

支持向量機(jī)是借助最優(yōu)化方法的機(jī)器學(xué)習(xí)算法，相比于以貪心學(xué)習(xí)為策略得 到局部最優(yōu)解的人工神經(jīng)網(wǎng)絡(luò)，支持向量機(jī)可以通過有效算法找出目標(biāo)函數(shù)的全 局最優(yōu)解，其建立的判別函數(shù)具有更好的預(yù)測精度和泛用性。以支持向量機(jī)模型為基礎(chǔ)，對財務(wù)預(yù)警機(jī)制進(jìn)行設(shè)計，并劃分為數(shù)據(jù)采集和 處理、風(fēng)險判斷、預(yù)警決策信息生成、預(yù)警效果評價和反饋四個階段，以這四個 階段作為常態(tài)預(yù)警機(jī)制，在企業(yè)制定重大決策時采用特殊預(yù)警機(jī)制。

3.2.1 數(shù)據(jù)的采集和處理

在數(shù)據(jù)采集和處理階段，相關(guān)人員利用計算機(jī)每天收集和更新海量數(shù)據(jù)，包括企業(yè)內(nèi)部財務(wù)和非財務(wù)數(shù)據(jù)、供應(yīng)鏈上下游企業(yè)公開數(shù)據(jù)、本行業(yè)與相關(guān)行業(yè) 數(shù)據(jù)以及宏觀經(jīng)濟(jì)數(shù)據(jù)等，并根據(jù)數(shù)據(jù)類型進(jìn)行分類整理，財務(wù)數(shù)據(jù)可以直接存 儲在數(shù)據(jù)庫中，半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)通過處理后轉(zhuǎn)化為數(shù)據(jù)形式進(jìn)行存儲[2]。

3.2.2 風(fēng)險判斷及風(fēng)險級別劃分

在風(fēng)險判斷階段，財務(wù)預(yù)警機(jī)制需要分析風(fēng)險類別和風(fēng)險程度，并進(jìn)行獨立判斷是否要做出風(fēng)險預(yù)警，通過對數(shù)據(jù)庫中 海量數(shù)據(jù)的計算，財務(wù)預(yù)警機(jī)制可對企業(yè)內(nèi)部狀況、行業(yè)風(fēng)險、行業(yè)關(guān)聯(lián)影響、 供應(yīng)鏈傳導(dǎo)影響和宏觀經(jīng)濟(jì)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(chǎn)生的經(jīng)營風(fēng)險、法律風(fēng)險等能夠引發(fā)財務(wù)風(fēng)險的商業(yè)風(fēng)險[3]。

3.2.3 決策信息生成

根據(jù)風(fēng)險判斷的結(jié)果，新機(jī)制可自動生成預(yù)警報告。報告主要由三部分組成：一是經(jīng)過結(jié)構(gòu)化處理的財務(wù)和非財務(wù)數(shù)據(jù);二是根 據(jù)現(xiàn)有數(shù)據(jù)和信息對企業(yè)內(nèi)部、所處行業(yè)和行業(yè)關(guān)聯(lián)影響、供應(yīng)鏈和宏觀經(jīng)濟(jì)影 響進(jìn)行的文字分析;三是對企業(yè)所面臨財務(wù)風(fēng)險的預(yù)警，包括風(fēng)險類型和等級、風(fēng)險產(chǎn)生 的原因和預(yù)期經(jīng)濟(jì)后果，從而為預(yù)警報告使用者的決策提供支持。

3.2.4 預(yù)警效果的評價和反饋

對預(yù)警效果進(jìn)行評價并反饋給設(shè)計者有利于不斷提高預(yù)警的準(zhǔn)確度和穩(wěn)定性。一方面，財務(wù)預(yù)警機(jī)制可以通過收集整理管理者對預(yù)警效果的意見，對模型中預(yù)設(shè)的臨界值進(jìn)行調(diào)整;另一方面，在使用過程中不斷修正決策模型，提高財務(wù)預(yù)警機(jī)制的穩(wěn)定性和對風(fēng)險 影響因素變化的適應(yīng)性，從而提高財務(wù)風(fēng)險預(yù)警質(zhì)量。

3.2.5 特殊預(yù)警機(jī)制

以大數(shù)據(jù)為背景，企業(yè)財務(wù)風(fēng)險預(yù)警機(jī)制包括常態(tài)預(yù)警機(jī)制和特殊預(yù)警機(jī)制兩部分。常態(tài)預(yù)警機(jī)制劃分為以上四個階段，為企業(yè)每一天的經(jīng)營運作保駕護(hù)航，而特殊預(yù)警機(jī)制只有在企業(yè)即將進(jìn)行重大決策時才會啟動。企業(yè)在進(jìn)行重大的經(jīng) 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(wù)層面的財 務(wù)風(fēng)險。大數(shù)據(jù)使得企業(yè)可以通過多層次、多角度的分析充分認(rèn)識企業(yè)所面臨的 種種財務(wù)風(fēng)險。特殊預(yù)警機(jī)制在選取指標(biāo)時，不局限于傳統(tǒng)的財務(wù)指標(biāo)，貸款利 率等相關(guān)政策變動、同行企業(yè)動態(tài)以及媒體報道等信息都能夠?qū)ζ髽I(yè)產(chǎn)生影響， 也應(yīng)包含在特殊預(yù)警機(jī)制的數(shù)據(jù)范圍內(nèi)。

4 結(jié)論

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

【參考文獻(xiàn)】

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

【2】李霞.大數(shù)據(jù)時代企業(yè)財務(wù)風(fēng)險預(yù)警機(jī)制與路徑探究[J].財稅研究，2018（19）：151-152.

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