時間：2023-08-12 09:05:34
序論：在您撰寫財務風險評價的概念時，參考他人的優秀作品可以開闊視野，小編為您整理的7篇范文，希望這些建議能夠激發您的創作熱情，引導您走向新的創作高度。
【關鍵詞】 風險預警系統;財務知識管理;本體
財務風險管理是企業風險管理的一個重要組成部分,是企業經營風險的集中體現。財務風險預警是財務風險管理發展的一個新階段。財務風險預警的重點是抓住小范圍、低程度的財務風險事件與財務狀況變化,采取控制措施,防止小事件引發大風險而使企業陷入財務危機。21世紀的經濟是世界經濟一體化條件下的經濟,是以知識決策為導向的經濟。企業管理進入知識經濟時代,企業的工作環境和工作內容都徹底發生了變化,知識管理的理念和方法不斷滲透到財務管理中,為財務管理創新提供了機遇。而財務風險預警是一項重要的知識依賴的技術工作,在企業財務風險管理中如何引入知識管理的理念和方法,構建財務風險預警系統,幫助管理者準確地了解企業財務狀況,指導風險應對工作的開展,從而降低經營風險,減少財務損失,是企業管理者關注的問題。本文運用知識本體(ontology)方法研究財務風險預警管理,探索科學化、智能化和系統化的財務風險預警機制。
一、基于知識本體的財務風險預警系統需求分析
財務風險預警系統是現代企業預測和防范風險的一個重要工具,它在收集大量相關信息的基礎上,借助計算機技術、信息技術、概率論和模糊數學等方法,設定風險預警指標體系及其預警警戒線,捕捉和監視各種細微的跡象變動,對不同性質和程度的財務風險及時發出警報,提醒決策者及時采取防范和化解風險的措施?？梢?財務風險預警系統建立的關鍵是如何有效地捕獲企業內外部信息并形成有用的知識,有效的財務風險預警知識系統應滿足如下四點需求。
一是信息收集與轉換功能。財務風險預警知識系統應通過收集與企業經營相關的產業政策、國內外市場競爭狀況、企業本身的各類財務信息和生產經營狀況信息,并進行分析轉換,按一定形式和規則存入知識庫。
二是預警指標管理與更新功能。系統應建立起財務風險評價指標體系,并根據其中的評價指標計算公式,利用財務風險信息子系統提供的資料,計算出具體的指標值,供綜合評價和預警使用。
三是財務風險綜合評價功能。系統應根據已計算出的各種風險指標的值,利用各種科學的綜合評價模型和預測模型,對企業目前的財務風險進行綜合評價和對企業未來的風險進行預測。該功能是根據對企業運營過程跟蹤、監測的結果,運用現代企業管理技術和企業診斷技術對企業財務狀況的優劣作出判斷,找出企業財務運行中潛在的危險。
四是財務風險報警功能。系統應根據已計算出的反映企業財務風險的風險指標值、綜合評價值以及預測值,按照一定的報警模式發出不同程度的警報。
筆者在財務風險預警知識管理研究中引入本體的概念,本體原本是一個哲學上的概念,用于研究客觀世界本質。在本體中概念的關系可以被描述得更加廣泛、詳細、深入和全面,通過對概念添加屬性值,以及在屬性與屬性之間添加映射關系,一些不便描述的語義關系就可以清晰地描述出來。同時,在本體中可以使用形式語言,這就為實現知識檢索創造了條件。在對財務風險預警知識形式化定義后,本體概念模型能夠實現對財務風險預警知識理解的唯一性和精確性;另外,利用本體技術對知識的聯系進行形式化映射,可以產生和約束新的知識規則,增加財務風險預警知識本體表示方法的實用性。
二、財務風險預警系統知識本體建模
通過分析財務風險預警領域知識的概念、關系和知識結構,采用分層次的思路建立財務風險預警領域本體,并分別對財務風險預警評價模型、指標體系和財務狀況監控知識與案例進行形式化描述。本系統模型建立概念本體,評價模型本體、指標本體、資源本體和通訊本體等。下面以財務風險預警定量模型概念本體為例說明財務風險預警知識本體建模。
概念本體是用來描述某個領域內的一些基本概念和概念之間關系的本體,這些概念是被該領域內人們所共同認可的,概念是對事物認知的抽象,包含的內容很廣,與模型相關的內容有:關系、函數、公理與實例等;關系表達了財務風險預警領域內概念間的互相作用,n個概念之間的關系可以表示為 R:Cl×C2×…×Cn;函數是一種特殊的概念關系,表示在n元關系中確定了n-1個概念,則第n個概念是唯一的,即F:Cl×C2×…×Cn-1Cn;公理表示永遠為真的概念,即真命題;實例是具體的模型元素。財務風險預警定量模型概念本體形式化定義如下。
CO::=(Fn,Cc,R,Ac,Ic)。
其中,Fn是領域名,Cc是領域內的術語集,R是關系集,Ac是公理集,Ic是實例集。
R形式化為:R::=(Ra,Rc),Ra是Cc上的屬性集,形式化為:Ra::=(dc:Identifier,dc:Title,dc:Creator,dc:Description,dc:Date),前綴dc表示重用DC元數據集中的標識符、題名、創建者、描述及日期元素;Rc是術語間的關系集,Rc域是Cc1×Cc1,形式化為:Rc::=(SubConceptOf,SuperConceptOf,IsPartOf,HasPart,Equal,Pre,Next),SubConceptOf和SuperConceptOf
是包含和被包含的關系,IsPartof和HasPart是聚集關系,Equal是等價關系,Pre描述了概念和概念之間的直接前驅關系,Next描述了概念和概念之間的直接后繼關系。Ac是公理集,Ac形式化為:Ac::=(SubConceptOfSuperConceptOf-,IsPartOfHasPart-,PreNext-,IsPartOfIsPartof*,HasPartHasPart*,EqualEqual*,……),表達了SubConceptOf和SuperConc-
eptOf,IsPartOf和HasPart,Pre和Next都是逆反關系,IsPartOf和HasPart和Equal都是可傳遞的。Ic形式化為:Ic::=(IRa,IRc),IRa是屬性集實例,IRc是概念的關系實例。
概念是對人類知識的抽象,概念本體是按照分類法來組織領域概念及其客觀關系的,概念本體作為一類獨立的本體存在,由領域專家或知識工程師管理。財務風險預警定量模型概念本體的描述說明如下:
Fn=財務風險預警定量模型;
Cc=(Z計分模型,人工神經網絡模型,多元邏輯(logit)模型,F計分模型……);
IRa={(“Prop1”,“Z計分模型”,“Z-score”,“通過將反映企業償債能力的指標(X1,X4)、獲利能力指標(X2,X3)和營運能力指標(X5)五種財務比率有機聯系起來,綜合分析預警企業財務風險?！?,(“Prop2”,“人工神經網絡模型”,“Artificial-Neural-Network”,“通過大量神經元的復雜連接,采用由底到頂的學習方法,以自組織和非線性動力學所形成的并列分布方式處理非語言化的財務模式信息,達到預警企業財務風險的目標”),……};
IRc={SubConceptOf(財務風險預警定量模型,Z計分模型),SubConceptOf(財務風險預警定量模型,人工神經網絡模型),IsPartOf(Z計分模型,函數形式),IsPartOf(Z計分模型,參數指標),IsPartOf(人工神經網絡模型,模型算法),IsPartOf(人工神經網絡模型,輸入矩陣),……}。
三、財務風險預警知識管理系統框架
通過分析基于本體的財務風險預警知識模型及需求,本文提出財務風險預警知識管理系統框架如圖1所示。
基本的知識管理活動包括知識的創造、發現、存儲和應用,財務風險預警知識管理將這些活動整合為財務風險預警知識的獲取、財務風險預警知識的存儲與推理、財務風險預警知識的應用與預警三個主要過程。財務風險預警以企業經營績效為基礎,充分認識財務風險的本質并在更廣泛的領域內選擇相關的預警指標,通過綜合評價企業的財務狀況進行預警。本財務風險預警模型由獲利能力、償債能力、經濟效率和發展潛力四個方面的評價構成,獲利能力和償債能力是公司財務評價的兩大基本部分,而經濟效率高低又直接體現了公司的經營管理水平,公司的發展潛力尤其值得重視,公司理財的目標是財富最大化,良好的財務風險預警系統不應僅僅關注目前的運營狀況。在具體預警指標的選取方面,考慮到各指標間既能相互補充,又不重復,盡可能全面綜合地反映公司運營狀況,故每個預警模塊各取兩個最具代表性的指標。系統從定量和定性兩個角度利用財務本體知識對企業財務風險進行評價,本體風險評價模型利用本體推理與財務知識庫得出的各指標值,代入建立的財務風險綜合評價模型,進行風險評估,具體的評價模型可根據風險案例庫的匹配情況,選取合適的模型,如層次分析模型或模糊評價模型等。
在企業內外部信息集成與知識獲取部分,利用本體技術、知識集成技術、多種檢索技術,對財務風險預警知識進行數字化語義處理;系統按照本體論思想對知識進行分類標注,組織到知識庫中,形成財務風險預警領域概念集;這種框架便于實現本體知識獲取、存儲、檢索等功能,并方便財務風險預警知識集成、共享、發現和重用。本框架一方面從技術角度針對財務風險預警知識管理提出了全面的解決方案;另一方面,通過引入本體技術,本框架在一定程度上能夠使知識提供者和知識需求者之間盡可能無歧議地相互理解,并且能夠表達組織內知識提供者和知識需求者的原始思想。這將使得財務風險預警知識管理能夠更廣泛地應用于各種類型的組織中,為組織的財務風險管理在技術上提供支持。
企業財務風險管理是一項復雜的系統工程,隨著知識經濟時代的到來,信息革命和經濟全球化的進程日趨加快,財務風險預警知識系統研究有著廣闊的發展前景,日益被人們所關注。本文采用本體方法為財務風險預警領域知識建模,并提出基于本體的財務風險預警知識管理框架,但在財務風險預警知識表達與推理等方面需進一步研究。
【參考文獻】
[1] 谷文林.企業財務風險預警研究綜述[J].現代管理科學,2008(8).94-95.
[2] 于富生,張敏,姜付秀,任夢杰.公司治理影響公司財務風險嗎?[J].會計研究,2008(10):52-59.
[3] 張友棠.基于內部控制的多維財務預警系統設計[J].財會月刊(會計版),2008(1):16-18.
[4] 彭潤華,陽震青.基于XBRL的集團財務知識管理研究[J].會計之友,2009(3):31-33.
[5] Segev A,Gal A.Enhancing portability with multilingual ontology-based knowledge management[J].Decision Support Systems.2008,45(3):567-584.
【論文關鍵詞】風險預警系統財務知識管理本體
財務風險管理是企業風險管理的一個重要組成部分,是企業經營風險的集中體現。財務風險預警是財務風險管理發展的一個新階段。財務風險預警的重點是抓住小范圍、低程度的財務風險事件與財務狀況變化,采取控制措施,防止小事件引發大風險而使企業陷入財務危機。21世紀的經濟是世界經濟一體化條件下的經濟,是以知識決策為導向的經濟。企業管理進入知識經濟時代,企業的工作環境和工作內容都徹底發生了變化,知識管理的理念和方法不斷滲透到財務管理中,為財務管理創新提供了機遇。而財務風險預警是一項重要的知識依賴的技術工作,在企業財務風險管理中如何引入知識管理的理念和方法,構建財務風險預警系統,幫助管理者準確地了解企業財務狀況,指導風險應對工作的開展,從而降低經營風險,減少財務損失,是企業管理者關注的問題。本文運用知識本體(ontology)方法研究財務風險預警管理,探索科學化、智能化和系統化的財務風險預警機制。
一、基于知識本體的財務風險預警系統需求分析
財務風險預警系統是現代企業預測和防范風險的一個重要工具,它在收集大量相關信息的基礎上,借助計算機技術、信息技術、概率論和模糊數學等方法,設定風險預警指標體系及其預警警戒線,捕捉和監視各種細微的跡象變動,對不同性質和程度的財務風險及時發出警報,提醒決策者及時采取防范和化解風險的措施?？梢?財務風險預警系統建立的關鍵是如何有效地捕獲企業內外部信息并形成有用的知識,有效的財務風險預警知識系統應滿足如下四點需求。
一是信息收集與轉換功能。財務風險預警知識系統應通過收集與企業經營相關的產業政策、國內外市場競爭狀況、企業本身的各類財務信息和生產經營狀況信息,并進行分析轉換,按一定形式和規則存入知識庫。
二是預警指標管理與更新功能。系統應建立起財務風險評價指標體系,并根據其中的評價指標計算公式,利用財務風險信息子系統提供的資料,計算出具體的指標值,供綜合評價和預警使用。
三是財務風險綜合評價功能。系統應根據已計算出的各種風險指標的值,利用各種科學的綜合評價模型和預測模型,對企業目前的財務風險進行綜合評價和對企業未來的風險進行預測。該功能是根據對企業運營過程跟蹤、監測的結果,運用現代企業管理技術和企業診斷技術對企業財務狀況的優劣作出判斷,找出企業財務運行中潛在的危險。
四是財務風險報警功能。系統應根據已計算出的反映企業財務風險的風險指標值、綜合評價值以及預測值,按照一定的報警模式發出不同程度的警報。
筆者在財務風險預警知識管理研究中引入本體的概念,本體原本是一個哲學上的概念,用于研究客觀世界本質。在本體中概念的關系可以被描述得更加廣泛、詳細、深入和全面,通過對概念添加屬性值,以及在屬性與屬性之間添加映射關系,一些不便描述的語義關系就可以清晰地描述出來。同時,在本體中可以使用形式語言,這就為實現知識檢索創造了條件。在對財務風險預警知識形式化定義后,本體概念模型能夠實現對財務風險預警知識理解的唯一性和精確性;另外,利用本體技術對知識的聯系進行形式化映射,可以產生和約束新的知識規則,增加財務風險預警知識本體表示方法的實用性。
二、財務風險預警系統知識本體建模
通過分析財務風險預警領域知識的概念、關系和知識結構,采用分層次的思路建立財務風險預警領域本體,并分別對財務風險預警評價模型、指標體系和財務狀況監控知識與案例進行形式化描述。本系統模型建立概念本體,評價模型本體、指標本體、資源本體和通訊本體等。下面以財務風險預警定量模型概念本體為例說明財務風險預警知識本體建模。
概念本體是用來描述某個領域內的一些基本概念和概念之間關系的本體,這些概念是被該領域內人們所共同認可的,概念是對事物認知的抽象,包含的內容很廣,與模型相關的內容有:關系、函數、公理與實例等;關系表達了財務風險預警領域內概念間的互相作用,n個概念之間的關系可以表示為R:Cl×C2×…×Cn;函數是一種特殊的概念關系,表示在n元關系中確定了n-1個概念,則第n個概念是唯一的,即F:Cl×C2×…×Cn-1Cn;公理表示永遠為真的概念,即真命題;實例是具體的模型元素。財務風險預警定量模型概念本體形式化定義如下。
CO::=(Fn,Cc,R,Ac,Ic)。
其中,Fn是領域名,Cc是領域內的術語集,R是關系集,Ac是公理集,Ic是實例集。
R形式化為:R::=(Ra,Rc),Ra是Cc上的屬性集,形式化為:Ra::=(dc:Identifier,dc:Title,dc:Creator,dc:Description,dc:Date),前綴dc表示重用DC元數據集中的標識符、題名、創建者、描述及日期元素;Rc是術語間的關系集,Rc域是Cc1×Cc1,形式化為:Rc::=(SubConceptOf,SuperConceptOf,IsPartOf,HasPart,Equal,Pre,Next),SubConceptOf和SuperConceptOf
是包含和被包含的關系,IsPartof和HasPart是聚集關系,Equal是等價關系,Pre描述了概念和概念之間的直接前驅關系,Next描述了概念和概念之間的直接后繼關系。Ac是公理集,Ac形式化為:Ac::=(SubConceptOfSuperConceptOf-,IsPartOfHasPart-,PreNext-,IsPartOfIsPartof*,HasPartHasPart*,EqualEqual*,……),表達了SubConceptOf和SuperConc-
eptOf,IsPartOf和HasPart,Pre和Next都是逆反關系,IsPartOf和HasPart和Equal都是可傳遞的。Ic形式化為:Ic::=(IRa,IRc),IRa是屬性集實例,IRc是概念的關系實例。
概念是對人類知識的抽象,概念本體是按照分類法來組織領域概念及其客觀關系的,概念本體作為一類獨立的本體存在,由領域專家或知識工程師管理。財務風險預警定量模型概念本體的描述說明如下:
Fn=財務風險預警定量模型;
Cc=(Z計分模型,人工神經網絡模型,多元邏輯(logit)模型,F計分模型……);
IRa={(“Prop1”,“Z計分模型”,“Z-score”,“通過將反映企業償債能力的指標(X1,X4)、獲利能力指標(X2,X3)和營運能力指標(X5)五種財務比率有機聯系起來,綜合分析預警企業財務風險?！?,(“Prop2”,“人工神經網絡模型”,“Artificial-Neural-Network”,“通過大量神經元的復雜連接,采用由底到頂的學習方法,以自組織和非線性動力學所形成的并列分布方式處理非語言化的財務模式信息,達到預警企業財務風險的目標”),……};
IRc={SubConceptOf(財務風險預警定量模型,Z計分模型),SubConceptOf(財務風險預警定量模型,人工神經網絡模型),IsPartOf(Z計分模型,函數形式),IsPartOf(Z計分模型,參數指標),IsPartOf(人工神經網絡模型,模型算法),IsPartOf(人工神經網絡模型,輸入矩陣),……}。
三、財務風險預警知識管理系統框架
通過分析基于本體的財務風險預警知識模型及需求,本文提出財務風險預警知識管理系統框架如圖1所示。
基本的知識管理活動包括知識的創造、發現、存儲和應用,財務風險預警知識管理將這些活動整合為財務風險預警知識的獲取、財務風險預警知識的存儲與推理、財務風險預警知識的應用與預警三個主要過程。財務風險預警以企業經營績效為基礎,充分認識財務風險的本質并在更廣泛的領域內選擇相關的預警指標,通過綜合評價企業的財務狀況進行預警。本財務風險預警模型由獲利能力、償債能力、經濟效率和發展潛力四個方面的評價構成,獲利能力和償債能力是公司財務評價的兩大基本部分,而經濟效率高低又直接體現了公司的經營管理水平,公司的發展潛力尤其值得重視,公司理財的目標是財富最大化,良好的財務風險預警系統不應僅僅關注目前的運營狀況。在具體預警指標的選取方面,考慮到各指標間既能相互補充,又不重復,盡可能全面綜合地反映公司運營狀況,故每個預警模塊各取兩個最具代表性的指標。系統從定量和定性兩個角度利用財務本體知識對企業財務風險進行評價,本體風險評價模型利用本體推理與財務知識庫得出的各指標值,代入建立的財務風險綜合評價模型,進行風險評估,具體的評價模型可根據風險案例庫的匹配情況,選取合適的模型,如層次分析模型或模糊評價模型等。
關鍵詞：財務風險：風險評價指標
財務風險是指公司財務結構不合理、融資不當使公司可能無法按期支付負債融資所應負的利息而導致投資者預期收益下降的風險。企業如何認識財務風險，如何減少財務風險是提高企業風險承受能力，保證企業健康發展的關鍵。
一、企業財務風險評價指標體系概述
1.企業財務風險概念
傳統西方經濟理論認為企業風險分為經營風險和財務風險。西方國家對于風險管理的研究始于上世紀三十年代，經過幾十年的發展，企業已經建立了風險管理職能。雖然已經發展比較成熟，但是國外風險管理理念主要針對于如何擺脫財務風險，而非分析財務風險形成的原因，同時也沒有關于財務風險如何進行預防的研究。與其面對風險、擺脫風險，不如分析風險、預防風險。因而，財務風險的管理與控制是今后風險管理發展的方向。
目前，我國對于企業的財務風險概念的界定代表性的觀點主要有兩種，一種認為企業的財務風險來自于籌資、融資活動。這種觀點認為，企業進行籌資所形成的負債，不僅要償還本金，還需要支付相應利息。如果企業不舉借任何債務，將不會存在任何風險。但是企業在生產經營過程中，或多或少都可能存在資金流轉問題，如果不舉借負債，勢必會出現經營困難。而且這種觀點沒有考慮財務杠桿作用，可見這種觀點不具有科學性。
另一種觀點是廣義的觀點，認為企業財務風險是在企業的財務活動過程中，由于受到財務結構不完善、企業所在環境的改變等一些內外部的不確定因素的影響，使企業的實際收益與預期收益產生較大的偏差，使企業蒙受損失的可能性。企業在生產經營過程中，任何一個環節或者部門，甚至一筆訂單，都可能引起企業財務風險，如果財務風險控制不好，就可能導致企業產生損失，甚至導致破產。這種觀點是從企業整體出發，結合整體環境進行的分析，也是我國財務風險理論中主要的觀點。
2.企業財務風險的特征
財務風險具備了風險的兩個基本特征：客觀性和不確定性。
首先，財務風險是客觀存在的。任何企業在生產經營過程中都不可避免財務風險，財務風險是市場經濟運行下企業資金運動的必然產物。財務風險受到國民經濟、市場環境以及國際金融環境等諸多方面因素的影響。
其次，財務風險具有不確定性。雖然企業要面對各種財務風險，但是風險的發生具有不確定性。什么事件發生、以何種形式發生，甚至是否發生，都不是能夠準確計量的。
二、目前的財務風險評價體系存在的問題
從對當前我國企業財務風險評價的理論研究和實踐中來看，現有的財務風險評價體系存在著與企業經營環境不適應、指標無法真實反映企業情況、缺少行業針對性的問題，財務風險評價體系不能很好地應用在實踐中，在對風險的有效評價和控制上還有一定的欠缺。
1.與企業經營環境不適應
由于我國的風險理論起步較晚，與國外的風險管理比起來，理論基礎上，又加上財務風險評價體系的研究較晚，體系發展還不夠成熟和完善，在企業對財務風險進行評價時，財務比率的綜合分析常用的是單量判定模型法，基于這種模型法的體系反映出來的信息量有限，企業由于使用了較多的抽象概念和函數，不利于推廣，無法適應企業隨著經營規模擴大而日益復雜的經營環境。
2.指標無法真實反映出企業情況
評價指標對企業真實情況分析不足的情況主要表現為對企業短期償債能力分析不足、對企業長期償債能力分析不足，對企業盈利能力分析不足三個方面。
在對企業短期償債能力進行分析時，企業資產的流動比率和速度比率的指標是從資產負債表的數據得出的，它是從靜態的角度對一定時期內的償債能力進行分析的-而如果企業是實際資產流動的質量差，就會高估企業的流動資產，且這些從財務報表中出的數據不能將一些影響企業變現能力和短期債務負擔的因素反映出來，使得出的結果與實際情況可能產生偏離。
與短期償債能力分析一樣，評價方法中資產的負債率和負債經營指標不能準確地估量出企業的實際資產，另外，在企業采取一定的措施對利潤進行調節時，利息賺取率的指標不能對企業虛增的利潤進行辨別，無法真實地反映出企業的長期償債能力。
體系中包括銷售凈利潤率、資產凈利潤率等一些盈利能力分析指標在對企業真實的盈利能力分析上有很大的局限性。
3.缺少行業針對性
在我國，由于對財務風險理論的研究還處于初級階段，相對較為完善的財務風險評價體系不多，企業在對自身進行財務風險評價時，常常是使用通用的財務風險評價體系，而不是根據自身行業和自身企業發展的特點制定符合自身實際的風險評價體系，這就使得財務風險評價體系在實踐應用中，不能很好地發揮出原有的作用。
三、重建企業財務風險評價指標體系
如何重建企業財務風險評價，是多數學者正在研究討論的問題。筆者從企業經營與財務管理的角度進行結合，提出以下幾點建議，為增強企業財政實力以及實際應用效果，進而可以保障企業正常運行，促進企業良好健康發展提出改革方向。
1.綜合考慮企業實際情況，謹慎選擇財務指標。
眾所周知，企業經營過程中風險重重，財務指標的選取能夠體現出企業財務風險大小，進而采取相應措施?？墒悄壳柏攧罩笜撕芏啵绻總€指標都進行計算，雖然可以從多方面反應企業財務風險大小，但是同時會增加財務人員工作量，降低工作效率。謹慎選擇和企業相關的財務指標，尤其重要。例如，生產制造型企業可以對營運能力方面的指標――存貨周轉率、應收賬款周轉率――等進行相應分析，分析存貨周轉率變化的主要因素，進而進行改進。
2.多角度選擇指標
企業經營不是單方面的，著想系統、科學地了解企業承受的財務風險，必須從多方面進行評價。在實際工作中，如果要求財務人員從數學建模等方面進行分析選擇財務指標，可能不太現實，也不易操作。因而，筆者提出，在進行財務風險指標選取時，應當針對研究對象的實際情況，以能夠對企業財務狀況作出合理描述為基礎-按照企業財務危機相關理論，合理選擇財務指標，使選擇的財務指標與企業的經營活動相一致。
3.重點關注企業經常使用的指標
對于制造業而言，存貨周轉速度快慢、存貨資金占用量是否合理是企業經營中非常關鍵的信息，“存貨周轉率”這樣的指標就應當重點關注。不同的行業不同的企業都有各自的計算指標，只有將這樣的指標持續關注，才能提高企業自身核心競爭力，提高抗風險能力。當然，重點關注的指標也是在全面選擇指標的基礎之上擇優選擇出來的，其選擇的標準也是圍繞企業的核心業務流程。
4.保持財務指標的動態性
在財務指標選取的時候，應當考慮時效性。如果財務指標已經不能發映出企業財務風險情況，或者已經被淘汰，就應當用其他合適的指標進行替換。這需要企業全體部門共同關注，而不是財務部門的責任。市場變化了，原指標的計算意義不復存在，就應當進行替換。
5.根據需要自行設計財務指標
目前在財務管理風險控制的理論中，主要涉及了負債能力、營運能力、盈利能力和成長能力四類財務指標。企業在進行指標選取過程中，如果發現這幾類指標無法反應企業自身財務風險，可以根據自身情況進行設計。當然，設計的財務指標主要是針對于企業內部管理進行分析，并非對外進行公布。
6.單位部門獨立計算
關鍵詞：財務風險；財務風險管理；財務風險管理職能
中圖分類號：F275 文獻標識碼：A 文章編號：1001-828X（2012）04-0-01
一、財務風險管理及其特征
關于財務風險的概念界定有很多，本文所指的財務風險主要是指企業在財務活動中未來現實結果偏離預期結果的可能性。財務風險包括企業財務活動本身各方面所具有的風險，主要表現為籌資活動、投資活動、資金回收活動和收益分配等財務活動中未來實際結果偏離預期結果的可能性。
財務管理主要包括四個方面的內容，分別是指籌資引起的企業財務活動、基于投資的相關財務活動、企業經營管理引起的財務活動和企業分配引起的財務活動。從一定角度看，在企業組織財務活動過程中發生的相關財務關系，也是財務管理基本內容的范疇。財務風險管理是一切管理活動中毫無疑問處于核心戰略地位的管理工作，相比于企業其它管理工作，有如下特點：
1.綜合性強
從反映經濟活動的形式看，財務風險管理主要是運用價值形式對企業經營全過程的各種財務風險實施管理。企業各個方面所存在不同類別的風險，最終是對企業資產及其資金運動的風險，都要通過資金來綜合表現，最終綜合反映在與財務狀況、經營成果以及現金流量等相關的財務指標上。
2.涉及面較廣
從工作范圍看，財務風險管理的涉及面廣。在企業里，無論是銷各環節的經營活動，還是企業各職能部門的管理活動，只要涉及到資金運動都屬于財務風險管理的范圍。企業財務風險發生在企業資金運動所涉及到的各環節、各部門，并且一個環節上的風險可能會波及另一個環節上的風險。財務風險管理的范圍包括企業生產經營與管理的各個環節，企業其他方面的管理工作也要在合理使用資金，提高風險管理效益方面接受財務風險管理的監督和約束。
3.靈敏度高
站在管理效果上看，風險預測是否準確，風險決策是否恰當，經營管理是否有序，風險的預防和控制是否有效，風險管理能力是否提高等，都會在一定程度上集中反映到企業財務風險管理上來。因此，財務風險管理在企業風險管理中，處于關鍵位置，是企業搞好風險管理、提高經濟效益必須予以重視的環節。
二、財務風險管理的職能
財務風險管理是一個完備的職能體系，主要是由財務風險預測、財務風險決策、財務風險控制、財務風險管理效果評價以及財務風險損益處理五項職能組成，它們同時共同構成了實施風險基礎管理的五個管理階段和五方面的管理內容。
1.財務風險預測
在財務風險發生前，分析各種技術經濟條件，綜觀企業各項管理活動的發展活動以及企業管理的各個環節，運用識別、估量等方法，對尚未發生但又客觀存在的各種風險，從財務角度進行系統的分析、全面的識別和恰當的估量，系統、連續地發現風險和不確定性，可以預測風險事項的發生及其可能造成的影響后果。風險預測分為識別和估量兩個步驟。
2.財務風險決策
在預測的基礎上，有必要將風險收益與控制風險所需成本進行縱向和橫向上的比較，確定企業應對風險的級別，明確財務目標和經營目標，圍繞目標制定相關政策，從而是現場降低企業風險管理成本，提高風險管理效益的目的。在決策過程中，決策者必須對風險發生的概率及風險損失的大小進行優化組合，才能選出最佳決策方案。
3.財務風險控制
基于財務風險決策的結果，要求財務管理部門制定具有針對性的方案計劃，采取相應的風險控制措施，降低風險的不確定性和減少損失。財務風險控制包括事前、事中和事后控制幾個環節，在不同的環節，企業要采取相應的措施預防和控制風險。在風險預控中，財務部門一方面要對企業其它職能部門的風險預防控制工作實行財務監督，另一方面也要對財務收支結算、籌資、投資和換匯等直接由財務部門負責的業務進行預防和控制。
4.財務風險管理效果評價
為了控制財務風險管理績效，必須依據績效評價標準對財務風險管理責任部門所采取的各項管理措施的適用性和效益性進行考察、分析、檢查和評估，明確績效的責任歸屬，并據以不斷修正和調整計劃，以適應變化中的情況并達到最佳管理效果。財務風險管理效果評價職能能否客觀、公正地發揮，直接關系到財務風險管理責任的落實和評價，關系到各責任主體利益的分配，關系到能否調動有關責任部門和人員的工作積極性問題。因此，企業首先應建立財務風險管理評價標準，其次應衡量實際績效與評估標準的差異程度，然后是調整差異程度。
5.財務風險損益處理
企業對風險結果進行財務處理，包括對風險損失的補償和風險收益的合理配置兩個層次。根據風險事件發生是否帶有很大的不確定性，風險結果就有兩種可能性，一是風險事件不發生，企業除了獲得期望收益外，甚至還可能獲得更大的額外收益；二是風險事件發生，企業不能獲得風險收益。為配合企業風險管理效果的考核，必須科學組織風險損益的核算，及時補償風險損失，合理分配風險收益。
參考文獻：
[1]張敦力.財務風險管理研究[M].北京:中國財政經濟出版社,2002.
[2]楊燕.防范企業財務風險的思考[J].遼寧師范大學學報,2011(09).
[3]陳小玲.企業財務風險管理探討[J].現代商貿工業,2010(08).
【關鍵詞】 關聯規則； 數據挖掘； 財務風險； 風險評價
【中圖分類號】 F275 【文獻標識碼】 A 【文章編號】 1004-5937（2017）01-0032-04
對于企業而言，自身運營過程中存在的風險因素能否被準確洞察直接關系著自身的可持續發展，也正是如此，理論界始終關注企業財務風險或預警指標的選擇和整體模型的構建，其相關理論研究成果也為企業的持續、健康運營產生了積極影響，但不可否認，傳統統計模型過于苛刻的假設條件和繁雜的計算過程也極大限制了理論成果的實踐效用[1]。伴隨信息技術的快速發展，數字時代的到來一改傳統的假設分析方法，更強調大規模數據分析中規律的呈現，這對于企業財務風險評價而言也帶來了一種全新的方法，即在充分運用數據挖掘技術的基礎上，結合企業發展的動態性，建立更具實效性和實踐性的企業財務風險分析和危機預警模型，以確保企業管理者可以及時發現運用過程中存在的潛在風險因素，并采取積極的應對措施?；诖?，本文擬在充分分析企業財務風險現狀的基礎上，以關聯規則交互挖掘算法為基本方法、以企業相關財務風險指標挖掘為基本方式，以期探尋隱藏于財務指標體系中的基本規則），從而發現真正引致企業財務風險的根源之所在。
一、關聯規則的數據挖掘內涵及運用
數據挖掘，也稱為知識發現，即在海量數據中探索隱藏于其中的規律、規則的過程[2]。從其發展過程來看，它最初的思想萌芽于統計學，且發展也以統計學為基礎，在計算機、信息技術實現飛速發展后，實現了統計學與數據庫技術、人工智能技術等理論和技術的融合，最終實現了數據挖掘?？梢?，這一知識發現過程的實現有著兩個充分條件：一是高性能計算技術，這是實現數據分析的必備技術手段；二是海量數據搜集，這是探索基本規律的必要資料基礎。從數據挖掘的使用來看，數據挖掘技術的使用最初始于計算機領域，以IBM為代表的企業率先將其運用于自身的相關產品研發，如IBM Intelligent Miner[3]；國內則主要關注于數據挖掘的算法研究，這就導致研究主體以高校和相關科研機構為主，其在實踐方面的運用尚不普遍。從20世紀90年代數據挖掘技術出現至今，雖然對其的研究仍是理論界關注的焦點，但在實踐領域也有了相當的進展，總體來看，在所有數據挖掘方法中以關聯規則的挖掘運用最為廣泛。因此，本文也將主要以關聯規則數據挖掘方法為基礎，將其與企業財務風險分析相結合。關聯規則的數據挖掘方法如下：一是Apriori算法，該方法由Agrawal等首先提出，其基本思想是在所建立的支持度-置信度框架下通過迭代運算形成最終所需的頻繁模式集，即在對數據庫掃描的基礎上生成首要A候選集，在此基礎上進行支持度計數比較（主要采用Apriori算法），形成頻繁集A’，此時，候選集的生成將不再是對數據庫的掃描，而是數據集A’將以自身鏈接的形式再生成新的候選集B，B仍然采用Apriori算法進行支持度計數比較形成頻繁集B’。如此反復，直到得出所有長度L（k≥1）的頻繁項集L’，此時應不再產生新的頻繁集項。二是FP-Growth 算法，該方法由Jiawei Han等率先提出，克服了支持度閾值較低時運用Apriori算法對數據庫頻繁掃描所導致的算法性能下降的缺陷[4]。其基本思想是在Apriori算法基礎上引入Frequent Patterns Tree重新保存數據集，這樣就避免了對數據庫的頻繁掃描，且有效縮減了每一條數據傳導路徑中節點的頻繁程度，既強化了數據結構的緊湊度，又為后續生成算法中對FP-Tree的快捷拆分提供了方法保障。
基關聯規則的交互挖掘則是以數據挖掘為基礎，專門用于解決最小支持度和置信度閾值未知情況下的數據挖掘問題，其最大的特點就在于需要通過實驗和調整來探知最小支持度和置信度閾值，最終實現對數據用戶需求的有效滿足；其常用的方法主要包括以下兩類：
一是基于Apriori算法的交互挖掘方法，該方法主要以Apriori算法為基礎，試圖通過對已挖掘的關聯規則的高效運用，從而達到控制候選集規模的目的，這樣可以最終實現對數據庫測試頻率的有效降低。目前，理論界常用的具體方法包括IUA（Incremental Updating Algorithm）和 NewIUA（NewIncremental Updating Algorithm）兩類[5]。以IUA為例，對于真正有效關聯規則挖掘目的的實現則主要依賴于最小支持度和最小置信度閾值的實驗和調整，若數據庫始終保持不變則支持度和置信度閾值的變化就會引致關聯規則更新，此時可利用已存在的頻繁項集實現對新的頻繁項集的開發，即采用增量式更新算法IUA，但對于頻繁項集的劃分容易導致大量無用候選集的產生和有效頻繁項集的誤刪。
二是基于模式增長的交互挖掘方法，該方法的主要思想是通過對已發現關聯規則使用效率的提升進而實現對算法效率的改善，其主要改善路徑則是控制頻繁模式樹的重復構建率和減少數據庫的重復掃描次數。以Khashei M，Cong et al.[6]為代表的研究者就主張以有效的壓縮策略實現對三個頻繁模式挖掘技術的匹配，以避免頻繁模式的不斷增加。
總體而言，伴隨關聯數據挖掘技術理論研究的豐富，其在社會實踐中的運用范圍也不斷擴大，已經被逐漸應用于零售、金融、電子商務等領域特定產品的研發中。以美國銀行為例，其目前對數據倉庫和數據挖掘技術的使用增長率已達到15%，同時，還將其充分運用于利潤評測模型和風險控制模型的構建中，實現了管理效率的有效提升。
二、基于關聯規則交互挖掘的企業財務風險分析指標體系構建
傳統財務風險指標體系的構建均建立于評價者或管理者對企業財務風險的自我認知和判別基礎上，具有極大的主觀性，但基于數據挖掘的財務指標選擇更強調指標間的相關性，保障了指標選擇的客觀性。目前，理論界普遍采用的指標體系通常包括以下方面[7]：
一是對企業營運能力的綜合反映，該類指標需要充分反映企業資產的周轉狀況，進而實現對企業生產、銷售等環節效率的準確判斷，若經營狀況良好則資產運轉情況良好，收入也越高。常選用的指標包括針對流動性資產周轉狀況評價的流動資產周轉率、應收賬款周轉率和存貨周轉率，以及針對固定資產周轉狀況評價的固定資產周轉率和總資產周轉率。
二是對企業盈利能力的評價，該類指標主要與企業長期盈利能力相關，雖然企業短期盈利能力也是投資者關注的主要指標之一，但從財務風險應對角度來看，只有持續的長期盈利能力才能確保企業具備有效風險對抗能力。常選用的指標主要包括毛利率、營業利潤率、凈利潤率、凈資產收益率和每股收益指標。這些指標均與企業總利潤間呈正相關關系，即企業盈利能力增強，風險的應對能力隨之上升。
三是對于企業未來成長潛能的評價，該類指標主要是通過對企業一定時期內經營能力的判斷進而形成對其成長潛在空間的評價，即以當前營運、發展狀況為評價基礎。常選擇的評價指標包括總資產增長率、凈資產增長率、凈利潤增長率、每股收益增長率和主營業務收入增長率。這些指標可以在一定程度上反映企業的資本規模擴張速度、負債規模的擴展速度以及經營規模的擴張速度等，進而形成對未來成長潛能的準確、客觀評價。
四是對于企業償債能力的評價，這又涉及短期償債能力和長期償債能力的分別判斷；對于企業而言，短期償債能力與未來融資規模、融資成本息息相關，常選擇的指標主要是企業的流動比率和速動比率；長期償債能力則直接關系企業自身的正常運營，若不能按時還本付息則會直接影響企業自身的可持續發展，常選擇的評價指標包括資產負債比率、股東權益比率和利息支付倍數三項。
五是對于企業現金流量狀況的評價，該類指標直接決定著企業管理決策的制定，且屬于動態類指標，應根據實時變化對相關指標進行分析。常選擇的評價指標包括經營現金凈流量對流動負債的比率、經營現金凈流量對凈利潤的比率以及經營現金凈流量對銷售收入的比率。
考慮到風險評價過程中對于營業收入、凈資產以及現金流的綜合考察，在選擇具體評價指標r增加營業收入、每股凈資產、每股現金流量等評價指標。
三、基于關聯規則交互挖掘的企業財務風險分析模型
（一）基于風險視角的層次樹構建
企業財務風險評價模型能否真正對潛在風險因素進行準確的識別和程度預測關鍵在于能否對復雜的風險類型進行深入的解析，即能否準確構建風險概念層次樹。從上述財務風險評價指標體系的構建可以明確其對于企業風險的評價是多方面的，既有針對經營狀況的盈利、營運、成長方面的評價，也有專門針對企業債務規模、還債能力狀況的償債能力、現金流量方面的分析，這就必然涉及數據的泛化問題，而建立風險概念層次樹正好可以利用高層次概念對低層次概念的替換而實現這一技術目標。具體而言，財務風險概念層次樹包含4個層級：企業財務風險（最高層）、企業財務風險評價的各個方面（第二層）、企業財務風險評價的綜合關鍵指標（第三層）以及具體概念指標層次（第四層），具體見圖1。
從圖1可見，這一概念層次樹既充分描述了不同層級間概念遞進關系，又實現了對低層次具體概念的深入挖掘，且這種挖掘的形式不單局限于指標的綜合挖掘，還可以延伸至各個具體模塊中進行局部挖掘。在實現了低層次概念深入挖掘的基礎上，再進行第三層、第二層概念的挖掘，直至最高層，從而有效尋找指標間的隱藏規律。
（二）支持度閾值的交互挖掘
現以盈利能力為例，假定凈利潤率和凈資產收益率為頻繁項集，則在支持閾值交互挖掘策略下層級級別的高低將直接決定支持閾值的大小，即財務指標層級越高，則所對應的最小支持閾值就越大，反之亦反。這也意味著在考慮支持度閾值時必須結合指標的層級綜合判斷，想要得到最小的支持度閾值就必須著眼于最低級別的指標層，具體見圖2。
（三）數據挖掘與結果輸出
上述所構建的基于關聯規則交互挖掘的企業財務風險分析模型，應對模型的支持度和置信度閾值進行分別數值設定，進而實現對企業財務風險指標頻繁模式類型數目以及規則數目的挖掘，以此為基礎最終實現對財務指標間規律的探析，現將對具體的操作過程進行描述。
首先，在算法選擇上，為避免交互挖掘中因支持度閾值遞減而導致的計算過程重復，改用已獲取挖掘信息下的新支持度閾值的頻繁項，在此基礎上以Hash結構為數據儲存方式并同時更新支持度閾值下頻繁項集的支持度計數，這將有效提高了數據挖掘的效率[8]，至于HIUA的算法偽代碼在此不做專門描述。具體而言，在初次計算新支持度閾值下頻繁項集時，算法仍然采用Apriori算法，可得到相應閾值下分級數據的頻繁項集；隨后不再采用Apriori算法，分兩種不同情況進行處理：若是支持度閾值遞增則通過對上一頻繁項集的篩選得到進一步的分級數據頻繁項集；若是支持度閾值遞減則將上一頻繁項集設為A，在此基礎上計算新閾值下的頻繁項集A1，從而得到新的頻繁項集項。此時頻繁項集項間的自連接將分別得到新的閾值，對這些數據進行再篩選和再組合最終得到頻繁項集L，直到L為空時算法結束，此時將生產相應之尺度下的具體關聯規則。
其次，在性能測試上，為確保算法的高效性現專門對Apriori算法、IUA算法和HIUA算法進行對比。從前面分析已知，在避免了頻繁集的重復更新后，置信度和支持度閾值上升的環境下，IUA算法的速度明顯高于HUIA，因此現只對支持度閾值遞減的情況進行專門測算。現選擇上市公司中ST公司2007―2014年期間的相關財務指標數據，共計34家841條記錄；以X軸表示支持度閾值，范圍為0.2―0.3，步長0.01，Y軸為計算頻繁模式集的運行時間，則不同支持度閾值和置信度閾值下規則數目如圖3所示。
四、政策建議
從所構建的具體財務風險評價指標層次樹可以看出，對于企業財務風險的防范應該是多層面、全方位的，結合具體財務指標選擇企業對于潛在財務風險的防范應基于以下方面。
一是在企業營運風險管理方面，應著重關注應收賬款周轉速度和存貨周轉，這主要是因為應收賬款的周轉狀況直接關系著企業資產的流動速度，兩者間呈正相關關系，只有資產高速流轉才能有效提升企業營運能力；對于存貨而言，也是如此，只有周轉速度越快才能提高資源的使用效率，也才能最終實現對企業營運能力的提升。
二是在企業盈利能力管理方面，應主要關注每股收益與凈資產收益率，這兩個指標也是外在投資者最為關注的指標，它們直接與企業的利潤回報率相聯系，彼此間呈正相關關系，利潤回報率越高則每股收益與凈資產收益率也越高。
三是在企業成長能力評價方面，應著重關注凈利潤增長狀況和總資產增長速度，這主要是因為凈利潤增長率直接與企業經營績效相關，作為對企業未來成長潛力的評判，必然首先關注其經營績效的高低，企業經營效益越高則意味著成長潛力越大；而總資產增長速度則直接決定于企業一定時期內資產經營規模的擴張速度，資產經營規模擴張越快意味著潛在成長空間越大。
四是在企業現金流評價方面，應主要關注經營現金凈流量對銷售收入比和資產經營現金流量回報率，這兩個指標值的高低直接Q定于企業持續經營的狀況，如呈現良性、健康循環則現金流必然隨之上升，反之亦反。
五是在企業償債能力評價方面，應主要關注流動比率和現金比率，這可以實現對企業長短期償債能力的綜合判斷。流動比率越高則意味著企業到期還款能力越強，而現金比率越高則意味著企業資產流動性越強，企業風險自然也就越小。
【參考文獻】
[1] 吳應宇，蔡秋萍，吳.基于神經網絡技術的企業財務危機預警研究[J].東南大學學報（哲學社會科學版）， 2008，10（1）：22-26.
[2] 韓家煒，KAMBER M. 數據挖掘概念與技術[M].北京： 機械工業出版社，2004.
[3] 劉英華，楊炳儒，馬楠，等.分布式隱私保護數據挖掘研究[J].計算機應用研究，2011，28（10）：3606-3610.
[4] 宋威，李晉宏，徐章艷，等.一種新的頻繁項集精簡表示方法及其挖掘算法的研究[J].計算機研究與發展，2010，47（2）：277-285.
[5] 戰立強，劉大昕.頻繁項集快速挖掘算法研究[J].哈爾濱工程大學學報，2008，29（3）：266-271.
[6] KHASHEI M，et al.Improvement of Auto-Regressive Integrated Moving Average Models Using Fuzzy Logic and Artificial Neural Networks （Anns）[J].Neurocomputing，2009，72（4-6）： 956-967.
1.1財務風險的概念
企業財務風險是企業生產、管理、經營等制度方面的問題在財務方面的反饋現象，與經營風險聯系密切，企業通過創新產品類型并擴張銷售渠道來降低經營風險，在一定程度上也能減少財務風險。對企業而言，財務風險不可避免、無法消除且影響企業的生存與發展，因此，為降低風險給企業帶來的損失，企業必須加強財務風險的防范，最大限度地控制風險，不斷提高應對市場競爭的能力并獲得持續健康發展。
1.2財務風險的特征
由以上財務風險的定義分析，財務風險主要有以下幾個方面的特點：
1.2.1財務風險具有不確定性
企業面臨的財務風險往往是隨機出現的，企業是否會發生財務風險以及何時發生財務風險，通常很難預測，發生財務風險的結果也具有潛在性，此外，不同影響因素所導致的財務風險的表現也不盡相同。
1.2.2財務風險具有客觀性
企業面臨的政治、經濟、市場背景具有客觀性和不確定性，這就決定了企業只要存在，則財務風險無從避免，其不會隨著人的意志而發生變化，財務風險廣泛存在于企業的生產、經營等各項經濟活動中，在資產管理、納稅、會計核算、人力資源管理等方面均存在風險發生的可能性。
1.2.3財務風險的表現形式具有復雜性
財務風險是個變量，會隨著一定條件的變化而發生變化，財務風險能綜合展現企業投資性風險、市場風險等各個方面，但財務風險不等于財務危機，這是因為，風險和收益在特定條件下可以實現轉化，也就是說，財務風險往往伴隨著財務收益，而財務危機必定會給企業帶來經濟損失。由此可見，財務風險對企業來講具有復雜性，企業財務人員必須充分認識它的特征并加以利用。
2財務風險的影響因素
筆者主要從以下三個方面展開分析企業財務風險的影響因素。
2.1稅收政策
國家稅收政策是指政府根據經濟和社會發展的要求而確定的，指導制定稅收法令制度和開展稅收工作的基本方針和基本準則。稅收政策的核心問題是稅收負擔問題。筆者在實際工作中深刻認識到，煙草行業是國民經濟中不容忽視的重要納稅產業。對中國煙草行業稅收影響最大的稅種主要是消費稅、增值稅和企業所得稅。如果增加煙草產品的稅負，可能帶來煙草行業整體稅收收入的下降，進而對供求關系產生影響，由于煙草行業的特性，如何制定煙草稅收額是值得研究的課題。
2.2利率政策
金融市場中，利率政策是影響企業籌資成本的重要因素。如果企業存在負債，那么國家利率調整必將導致企業利息負擔的變動，如果負債利率上調至一定水平，達到或超過企業投資報酬率，企業將無利可圖甚至嚴重虧損，負債越多，企業發生財務風險的可能性就越大。
2.3市場環境
隨著市場經濟的不斷發展，市場機制的調節作用對企業的影響日益增大。市場化管理手段的運用使得煙草企業的生存與發展環境發生了重大變化，市場意味著競爭，意味著企業增加了成長發展機會；市場同時也意味著企業增加了經營管理風險。煙草行業有行業特殊性，當前煙草市場秩序尚存在地方保護、市場分割等現象，煙草企業必須提高風險管理意識，切實尋找加強經營風險管理的途徑，應對日益復雜的市場及投資環境。
3企業財務風險評價與控制現狀
近幾年來，隨著市場經濟的不斷完善以及計算機技術的廣泛應用，各企業已將財務風險評價列為企業改革的重點工作之一，但目前財務風險評價與控制現狀仍不容樂觀。
3.1財務風險評價體系無法適應企業經營環境
我國財務評價體系起步較晚，所能參考的國外的模型很少，當前主要還是采用財務比率綜合評價體系，這些財務比率的計算必須依據歷史數據，對日益更新的信息不能做出及時、準確的反映，和企業經營環境脫節。
3.2財務風險評價指標不能全面反映企業實際經營狀況
企業常用的風險評價模式主要針對資產負債表和利潤表選擇數據，而這些報表有可能被企業粉飾，如果企業不考慮非會計信息，可能導致指標數據與企業實際經營狀況相去甚遠的情形。例如，企業運用流動比率評價短期償債能力時，盡管流動資產比例較高，如部分流動資產變現能力差、質量較差，仍不能有效保證企業短期負債的償還能力。
3.3財務風險評價體系難以針對不同行業特征
我國目前財務風險評價主要采用通用的評價體系，尚無根據各行業的不同特征選取不同的財務風險評價體系。這種現狀使得企業風險評價流于形式，不能真正發揮風險評價的作用。
4完善企業財務風險評價與控制對策
在財務風險評價與控制方面，可采取如下措施：
4.1建立與企業經營環境相適應的財務風險評價體系
企業應根據自身經營環境，借鑒先進的財務風險評價模型，如多元線性評價模型、動態神經網絡分析模型等，找出影響財務風險的主要指標，計算財務風險發生的概率，測算財務風險發生的范圍，綜合評價財務風險。
4.2引入非財務指標，完善當前的財務風險評價體系
為更好地評價企業財務風險，彌補僅靠資產負債表、利潤表等計算歷史指標的缺陷，企業財務人員應在定量分析的基礎上，結合自身經驗，引入非財務指標，不斷完善風險評價體系。比如，人力資源指標、創新發展能力指標等。
4.3各行業按照行業特征，制定不同的財務風險評價模型
為增強各行業財務指標的可比性，有必要按照不同行業特征，選擇不同的財務評價指標，制定不同的財務風險評價模型。即便是相同的財務指標，其標準值的制定也必須充分考慮行業因素，例如，房地產企業通常流動資產比例高，則流動比率高；制造業等行業的流動比率會降低。
5結語
【關鍵詞】關聯規則；數據挖掘；財務風險；風險評價
對于企業而言，自身運營過程中存在的風險因素能否被準確洞察直接關系著自身的可持續發展，也正是如此，理論界始終關注企業財務風險或預警指標的選擇和整體模型的構建，其相關理論研究成果也為企業的持續、健康運營產生了積極影響，但不可否認，傳統統計模型過于苛刻的假設條件和繁雜的計算過程也極大限制了理論成果的實踐效用[1]。伴隨信息技術的快速發展，數字時代的到來一改傳統的假設分析方法，更強調大規模數據分析中規律的呈現，這對于企業財務風險評價而言也帶來了一種全新的方法，即在充分運用數據挖掘技術的基礎上，結合企業發展的動態性，建立更具實效性和實踐性的企業財務風險分析和危機預警模型，以確保企業管理者可以及時發現運用過程中存在的潛在風險因素，并采取積極的應對措施?；诖?，本文擬在充分分析企業財務風險現狀的基礎上，以關聯規則交互挖掘算法為基本方法、以企業相關財務風險指標挖掘為基本方式，以期探尋隱藏于財務指標體系中的基本規則），從而發現真正引致企業財務風險的根源之所在。
一、關聯規則的數據挖掘內涵及運用
數據挖掘，也稱為知識發現，即在海量數據中探索隱藏于其中的規律、規則的過程[2]。從其發展過程來看，它最初的思想萌芽于統計學，且發展也以統計學為基礎，在計算機、信息技術實現飛速發展后，實現了統計學與數據庫技術、人工智能技術等理論和技術的融合，最終實現了數據挖掘?？梢?，這一知識發現過程的實現有著兩個充分條件：一是高性能計算技術，這是實現數據分析的必備技術手段；二是海量數據搜集，這是探索基本規律的必要資料基礎。從數據挖掘的使用來看，數據挖掘技術的使用最初始于計算機領域，以IBM為代表的企業率先將其運用于自身的相關產品研發，如IBMInteligentMiner[3]；國內則主要關注于數據挖掘的算法研究，這就導致研究主體以高校和相關科研機構為主，其在實踐方面的運用尚不普遍。從20世紀90年代數據挖掘技術出現至今，雖然對其的研究仍是理論界關注的焦點，但在實踐領域也有了相當的進展，總體來看，在所有數據挖掘方法中以關聯規則的挖掘運用最為廣泛。因此，本文也將主要以關聯規則數據挖掘方法為基礎，將其與企業財務風險分析相結合。關聯規則的數據挖掘方法如下：一是Apriori算法，該方法由A-grawal等首先提出，其基本思想是在所建立的支持度-置信度框架下通過迭代運算形成最終所需的頻繁模式集，即在對數據庫掃描的基礎上生成首要A候選集，在此基礎上進行支持度計數比較（主要采用Apriori算法），形成頻繁集A’，此時，候選集的生成將不再是對數據庫的掃描，而是數據集A’將以自身鏈接的形式再生成新的候選集B，B仍然采用Apriori算法進行支持度計數比較形成頻繁集B’。如此反復，直到得出所有長度L（k≥1）的頻繁項集L’，此時應不再產生新的頻繁集項。二是FP-Growth算法，該方法由JiaweiHan等率先提出，克服了支持度閾值較低時運用Apriori算法對數據庫頻繁掃描所導致的算法性能下降的缺陷[4]。其基本思想是在Apriori算法基礎上引入FrequentPatternsTree重新保存數據集，這樣就避免了對數據庫的頻繁掃描，且有效縮減了每一條數據傳導路徑中節點的頻繁程度，既強化了數據結構的緊湊度，又為后續生成算法中對FP-Tree的快捷拆分提供了方法保障。基關聯規則的交互挖掘則是以數據挖掘為基礎，專門用于解決最小支持度和置信度閾值未知情況下的數據挖掘問題，其最大的特點就在于需要通過實驗和調整來探知最小支持度和置信度閾值，最終實現對數據用戶需求的有效滿足；其常用的方法主要包括以下兩類：一是基于Apriori算法的交互挖掘方法，該方法主要以Apriori算法為基礎，試圖通過對已挖掘的關聯規則的高效運用，從而達到控制候選集規模的目的，這樣可以最終實現對數據庫測試頻率的有效降低。目前，理論界常用的具體方法包括IUA（IncrementalUpdatingAlgorithm）和NewIUA（NewIncrementalUpdatingAlgorithm）兩類[5]。以IUA為例，對于真正有效關聯規則挖掘目的的實現則主要依賴于最小支持度和最小置信度閾值的實驗和調整，若數據庫始終保持不變則支持度和置信度閾值的變化就會引致關聯規則更新，此時可利用已存在的頻繁項集實現對新的頻繁項集的開發，即采用增量式更新算法IUA，但對于頻繁項集的劃分容易導致大量無用候選集的產生和有效頻繁項集的誤刪。二是基于模式增長的交互挖掘方法，該方法的主要思想是通過對已發現關聯規則使用效率的提升進而實現對算法效率的改善，其主要改善路徑則是控制頻繁模式樹的重復構建率和減少數據庫的重復掃描次數。以KhasheiM，Congetal.[6]為代表的研究者就主張以有效的壓縮策略實現對三個頻繁模式挖掘技術的匹配，以避免頻繁模式的不斷增加?？傮w而言，伴隨關聯數據挖掘技術理論研究的豐富，其在社會實踐中的運用范圍也不斷擴大，已經被逐漸應用于零售、金融、電子商務等領域特定產品的研發中。以美國銀行為例，其目前對數據倉庫和數據挖掘技術的使用增長率已達到15%，同時，還將其充分運用于利潤評測模型和風險控制模型的構建中，實現了管理效率的有效提升。
二、基于關聯規則交互挖掘的企業財務風險分析指標體系構建
傳統財務風險指標體系的構建均建立于評價者或管理者對企業財務風險的自我認知和判別基礎上，具有極大的主觀性，但基于數據挖掘的財務指標選擇更強調指標間的相關性，保障了指標選擇的客觀性。目前，理論界普遍采用的指標體系通常包括以下方面[7]：一是對企業營運能力的綜合反映，該類指標需要充分反映企業資產的周轉狀況，進而實現對企業生產、銷售等環節效率的準確判斷，若經營狀況良好則資產運轉情況良好，收入也越高。常選用的指標包括針對流動性資產周轉狀況評價的流動資產周轉率、應收賬款周轉率和存貨周轉率，以及針對固定資產周轉狀況評價的固定資產周轉率和總資產周轉率。二是對企業盈利能力的評價，該類指標主要與企業長期盈利能力相關，雖然企業短期盈利能力也是投資者關注的主要指標之一，但從財務風險應對角度來看，只有持續的長期盈利能力才能確保企業具備有效風險對抗能力。常選用的指標主要包括毛利率、營業利潤率、凈利潤率、凈資產收益率和每股收益指標。這些指標均與企業總利潤間呈正相關關系，即企業盈利能力增強，風險的應對能力隨之上升。三是對于企業未來成長潛能的評價，該類指標主要是通過對企業一定時期內經營能力的判斷進而形成對其成長潛在空間的評價，即以當前營運、發展狀況為評價基礎。常選擇的評價指標包括總資產增長率、凈資產增長率、凈利潤增長率、每股收益增長率和主營業務收入增長率。這些指標可以在一定程度上反映企業的資本規模擴張速度、負債規模的擴展速度以及經營規模的擴張速度等，進而形成對未來成長潛能的準確、客觀評價。四是對于企業償債能力的評價，這又涉及短期償債能力和長期償債能力的分別判斷；對于企業而言，短期償債能力與未來融資規模、融資成本息息相關，常選擇的指標主要是企業的流動比率和速動比率；長期償債能力則直接關系企業自身的正常運營，若不能按時還本付息則會直接影響企業自身的可持續發展，常選擇的評價指標包括資產負債比率、股東權益比率和利息支付倍數三項。五是對于企業現金流量狀況的評價，該類指標直接決定著企業管理決策的制定，且屬于動態類指標，應根據實時變化對相關指標進行分析。常選擇的評價指標包括經營現金凈流量對流動負債的比率、經營現金凈流量對凈利潤的比率以及經營現金凈流量對銷售收入的比率。考慮到風險評價過程中對于營業收入、凈資產以及現金流的綜合考察，在選擇具體評價指標時增加營業收入、每股凈資產、每股現金流量等評價指標。
三、基于關聯規則交互挖掘的企業財務風險分析模型
（一）基于風險視角的層次樹構建企業財務風險評價模型能否真正對潛在風險因素進行準確的識別和程度預測關鍵在于能否對復雜的風險類型進行深入的解析，即能否準確構建風險概念層次樹。從上述財務風險評價指標體系的構建可以明確其對于企業風險的評價是多方面的，既有針對經營狀況的盈利、營運、成長方面的評價，也有專門針對企業債務規模、還債能力狀況的償債能力、現金流量方面的分析，這就必然涉及數據的泛化問題，而建立風險概念層次樹正好可以利用高層次概念對低層次概念的替換而實現這一技術目標。具體而企業財務風險言，財務風險概念層次樹包含4個層級：企業財務風險（最高層）、企業財務風險評價的各個方面（第二層）、企業財務風險評價的綜合關鍵指標（第三層）以及具體概念指標層次（第四層），具體見圖1。從圖1可見，這一概念層次樹既充分描述了不同層級間概念遞進關系，又實現了對低層次具體概念的深入挖掘，且這種挖掘的形式不單局限于指標的綜合挖掘，還可以延伸至各個具體模塊中進行局部挖掘。在實現了低層次概念深入挖掘的基礎上，再進行第三層、第二層概念的挖掘，直至最高層，從而有效尋找指標間的隱藏規律。（二）支持度閾值的交互挖掘現以盈利能力為例，假定凈利潤率和凈資產收益率為頻繁項集，則在支持閾值交互挖掘策略下層級級別的高低將直接決定支持閾值的大小，即財務指標層級越高，則所對應的最小支持閾值就越大，反之亦反。這也意味著在考慮支持度閾值時必須結合指標的層級綜合判斷，想要得到最小的支持度閾值就必須著眼于最低級別的指標層，具體見圖2。（三）數據挖掘與結果輸出上述所構建的基于關聯規則交互挖掘的企業財務風險分析模型，應對模型的支持度和置信度閾值進行分別數值設定，進而實現對企業財務風險指標頻繁模式類型數目以及規則數目的挖掘，以此為基礎最終實現對財務指標間規律的探析，現將對具體的操作過程進行描述。首先，在算法選擇上，為避免交互挖掘中因支持度閾值遞減而導致的計算過程重復，改用已獲取挖掘信息下的新支持度閾值的頻繁項，在此基礎上以Hash結構為數據儲存方式并同時更新支持度閾值下頻繁項集的支持度計數，這將有效提高了數據挖掘的效率[8]，至于HIUA的算法偽代碼在此不做專門描述。具體而言，在初次計算新支持度閾值下頻繁項集時，算法仍然采用Apriori算法，可得到相應閾值下分級數據的頻繁項集；隨后不再采用Apriori算法，分兩種不同情況進行處理：若是支持度閾值遞增則通過對上一頻繁項集的篩選得到進一步的分級數據頻繁項集；若是支持度閾值遞減則將上一頻繁項集設為A，在此基礎上計算新閾值下的頻繁項集A1，從而得到新的頻繁項集項。此時頻繁項集項間的自連接將分別得到新的閾值，對這些數據進行再篩選和再組合最終得到頻繁項集L，直到L為空時算法結束，此時將生產相應之尺度下的具體關聯規則。其次，在性能測試上，為確保算法的高效性現專門對Apriori算法、I-UA算法和HIUA算法進行對比。從前面分析已知，在避免了頻繁集的重復更新后，置信度和支持度閾值上升的環境下，IUA算法的速度明顯高于HUIA，因此現只對支持度閾值遞減的情況進行專門測算?，F選擇上市公司中ST公司2007—2014年期間的相關財務指標數據，共計34家841條記錄；以X軸表示支持度閾值，范圍為0.2—0.3，步長0.01，Y軸為計算頻繁模式集的運行時間，則不同支持度閾值和置信度閾值下規則數目如圖3所示。
四、政策建議
