[摘 要] 本文对国内外财务危机预警方法进行分析,指出我国现有财务危机预警方法各自的优缺点,在此基础上提出了基于专家系统的财务危机预警方法。该方法采用基于规则推理和案例推理的专家系统对财务危机进行定量预警;利用模糊神经网络对财务危机进行定性预警,并将二者所得信息有机地融合在一起,获得较为准确的财务预警结果。
　　[关键词] 专家系统;财务危机预警;定量预警;定性预警;信息融合
　　[中图分类号]F275;F232[文献标识码]A[文章编号]1673-0194(2008)09-0061-04
　　
　　财务危机预警主要借助企业提供的财务报表、经营计划及其他相关会计资料,利用财会、统计、金融、企业管理、市场营销等理论,采用比率分析、比较分析、因素分析等多种分析方法,对企业的经营活动、财务活动等进行分析预测,以发现企业在经营管理活动中潜在的财务风险,并在危机发生之前向经营者发出警告,督促企业管理当局采取有效措施,避免潜在的风险演变成损失,起到未雨绸缪的作用。
　　国外对财务危机预警的研究时间较长,取得了一些成果。(1)1932年Fitzpatrick以19家公司为样本,运用单个财务比率将样本划分为破产和非破产两组进行研究,发现净利润/股东权益和股东权益/负债对财务危机的判别能力最高,自此开创了财务危机预警实证研究的先河——单变量判定模型。(2)为了弥补单变量判定模型的缺陷,1968年Altman首先将多变量判别法引入财务危机预警研究领域,即多变量判定模型的研究。其多变量判定模型中的判别变量分别为营运资本/总资产,留存收益/总资产,息税前收益/总资产,股票市值/债务的账面价值,销售收入/总资产。此后,有许多学者采用类似的方法进行研究,对模型加以改造,只是选取的变量指标或者指标系数不同而已。(3) 在1980年Ohlson第一个将逻辑回归方法引入财务危机预警领域,他选择了1970-1976年间破产的105家公司和2 058家非破产公司组成的配对样本,分析了样本公司在破产概率区间上的分布以及两类错误和分割点之间的关系,发现采用公司规模、资本结构、业绩和当前的融资能力进行财务危机的预测准确率达到96.12%。逻辑回归分析方法使财务预警模型得到了重大改进,克服了传统判别分析中的许多问题,包括变量属于正态分布的假设以及破产和非破产企业具有同一协方差矩阵的假设。(4)1991年Tam采用人工神经网络模型进行财务预警研究,通过包括输入层、隐含层和输出层的人工神经网络模拟构建模型,具有较好的模式识别能力和容错能力,能够处理资料遗漏和错误,可随时依据新数据资料进行自我学习训练,适用于今日复杂多变的企业运作环境。
　　我国对财务危机预警的探索远远落后于西方发达国家,政府没有对企业风险评估及危机预警提出明确的要求,使得我国企业的危机意识相对薄弱。在研究方法上,主要是借鉴国外的成果,利用我国的数据构建类似的模型。我国学者提出的财务危机预警方法大致可以分为定量预警分析和定性预警分析两大类。
　　定量预警分析法主要以财务数据为依据,按其使用财务预警指标数量的多少,可以划分为单变量预警法和多变量预警法。在运用这些定量模型分析计算时都有一个潜在的假设,即这些报表资料的财务数据全部真实无误,没有舞弊的现象。但事实上,财务报表的编制具有相当的弹性,往往不能真正准确地反映公司的财务状况。特别是当上市公司财务状况恶化、濒临亏损边缘或有业绩滑坡迹象时,其经营者很可能会采取一些措施调节盈余、粉饰财务业绩。因此,仅仅依据财务数据预警,其结果的准确性和实用性值得怀疑。
　　无论是单变量预警模型还是多变量预警模型,其共同之处是只涉及了会计数据和定量比率,而没有考虑到非量化因素。事实上,非量化因素在披露企业财务状况方面有时要比定量财务指标更为可靠、有效。比如,企业出现过度扩张、过度依赖银行贷款、企业人力资源匮乏、企业市场定位不清、财务报表不能及时公开、过度依赖某家关联公司、报表审计单位和公司管理层人员频繁变动等状况,都预示着企业存在潜在的危机。根据以上指标分析财务状况的方法就是定性预警法,国内外学者在这方面也有一些研究,如“四阶段症状”分析法是通过分析发现困境症状,判断财务困境所处的阶段,然后采取有效的措施,使企业摆脱财务困境。这种分析法将财务困境分为危机潜伏期、发作期、恶化期和爆发期等4个阶段。“专家调查法”是企业组织专家对内外环境进行分析,辨明企业是否存在财务困境发生的诱因,发现财务困境征兆,以此预测财务危机发生的可能性。可见,运用定性预警法分析操作方便,且可以很好地区分不同公司的财务特性,但分析人员的经验、采用的具体方法以及收集资料的情况对分析结论有较大的影响,从而导致分析结果具有一定的人为主观性。另外,现行会计制度对企业非财务指标的确认和计量还缺乏必要的规范性,企业对很多无形资产还不能有效地进行评估。因此,完全依靠非财务指标建立预警模型的可行性不是很高,预警的精确度也值得怀疑。 　从上述分析可见,单独利用定量分析或者单独利用定性分析都无法对公司的财务状况进行准确分析。因此,从我国的实际情况出发,一个公司如果要对其财务状况进行准确预测,必须将定性分析和定量分析有机结合起来。
　　近30年来人工智能(Artificial Intelligence,AI)获得了迅速的发展,在很多学科领域都得到了广泛应用,并取得了丰硕成果。作为人工智能一个重要分支的专家系统(Expert System,ES) 是在20世纪60年代初期产生并发展起来的一门新兴的应用科学,而且正随着计算机技术的不断发展而日臻成熟和完善。专家系统是一种智能的计算机程序,它运用知识和推理步骤来解决只有专家才能解决的复杂问题 。建立专家系统的主要目的,是利用某一特定问题领域的专家知识,支持和帮助该领域的非专家去解决复杂问题。专家系统是目前人工智能中一个最活跃且最有成效的研究领域。专家系统有3个特点:(1)启发性,能运用专家的知识和经验进行推理和判断。(2)透明性,能解决本身的推理过程,回答用户提出的问题。(3)灵活性,能不断地增长知识,修改原有知识。
　　目前已研究的专家系统模型有很多种,其中较为流行的有基于规则的专家系统、基于案例的专家系统、基于框架的专家系统、基于模糊逻辑的专家系统、基于D-S证据理论的专家系统、基于人工神经网络的专家系统和基于遗传算法的专家系统等。根据财务危机预警的相关知识和各种专家系统的特点,本文选择前两种专家系统作为定量分析的研究工具。
　　基于规则推理(Rule-based Reasoning,RBR)的方法是根据以往专家诊断的经验,将其归纳成规则,通过启发式经验知识进行推理。它具有明确的前提,得到确定的结果。RBR是构建专家系统最常用的方法,这主要归功于大量的成功实例和工具的出现。早期的专家系统大多数是用规则推理的方法,如DENDRAL专家系统、MYCIN专家系统、PROSPECTOR专家系统等。基于规则的方法容易使知识工程师与人类专家合作,易于被人类专家理解。规则库中的规则具有相同的结构,这种统一的格式便于管理,同时便于推理机的设计。
　　基于案例推理(Case-based Reasoning,CBR)的方法就是通过搜索曾经成功解决过的类似问题,比较新、旧问题之间的特征、发生背景等差异,重新使用或参考以前的知识和信息,达到最终解决新问题的方法。这种类比推理比较符合人类的认知心理。基于案例推理的专家系统具有诸多优点:无须显示领域知识;无须规则提取,降低了知识获取难度;开放体系、增量式学习,案例库的覆盖度随系统的不断使用而逐渐增加 。基于案例的推理方法适用于领域定理难以表示成规则形式,而容易表示成案例形式并且已积累丰富案例的领域。综合CBR和RBR的专家财务预警系统结构如图1所示。
　　
　　在基于规则推理和案例推理的财务危机预警中,各种预警模型都可以包含在规则库中,并且预警模型越多、模型越准确、数据越详细、成功实例越多,则该预警方法越准确;另外,经过多次判断以后,该模型还可以利用专家系统的自学习的方法提高以后预警的准确度。
　　在基于规则推理和案例推理的财务危机预警中,利用财务数据和成功的预警案例对公司财务状况进行预警判断,得出相关结果。但这一结果并未考虑到非量化因素的影响,这样就可能造成财务危机预警的不准确性。为此,还需对非量化因素进行考虑。考虑到非量化因素的模糊性和不确定性,本文采用在这方面具有良好应用经验的模糊神经网络法进行财务危机预警。
　　模糊理论(FT)是以控制领域、计算机领域及OR(operations research)领域为中心进行研究的。模糊控制是把控制经验方面的知识,记述在包含模糊集合的if-then规则中,并且用推理处理得出结果的一种方法。在财务预警中,危机与正常之间的关系往往是模糊的,这种模糊性既来自于危机与正常之间关系的不确定性,又来自于危机与正常在概念描述上的非精确性,因而预警结果也必然是模糊的。解决模糊诊断问题的传统方法,一般是根据专家经验在危机与正常空间与预警原因空间之间建立模糊关系矩阵,常用的方法是将各条模糊推理规则产生的模糊关系矩阵进行组合,用与逻辑或并逻辑。
　　
　　随着模糊理论的发展及完善,模糊理论的一些优点逐步被重视,如模糊理论可适应不确定性问题;模糊知识库使用语言变量来表述专家的经验,更接近人的表达习惯;模糊理论能够得到问题的多个可能的解决方案,并可以根据这些方案的模糊度的高低进行优先程度排序等。财务危机预警中的不确定因素对于要求严格匹配搜索的专家系统来说,很容易导致错误的结果,在专家系统中融入模糊理论后,系统由精确推理变为近似推理,在相当程度上会增强专家系统的容错性。本系统采用模糊推理控制法,模糊推理控制法可用一个如图2所示的神经网络构成。图2中e和P为模糊推理控制法的两个输入,NA,NB,NG等是e和P划分的7个模糊集,可用三角型隶属度函数Gauss表示,u′为总的输出,Wi为第i个模糊规则对于输出的作用权值,ui表示第i条模糊推理规则的隶属度。 　一般模糊神经网络BP学习方法是一种建立和调整模糊推理的良好方法,但这种方法本质上是一种只考虑局部区域的梯度法,缺乏全局性,有可能仅优化到局部极值部分,其调整的收敛性依赖于初始状态的选择。而遗传算法是一种基于生物进化过程的随机搜索的全局优化方法,它通过交叉和变异大大减少了初始状态的影响,使搜索得到最优化结果而不停留在局部最小处。遗传算法不仅可以优化模糊神经推理系统的参数,而且可以优化模糊神经推理的结构。使用遗传算法可以修正冗余的隶属度函数和网络的节点数,以优化模糊神经推理系统的结构。为了发挥GA算法和BP算法的长处,可用GA算法优化具有全局性的参数和网络结构,用BP算法调节和优化具有局部性的参数。这样,在GA算法作为一种离线训练模糊神经推理法的情况下,用BP算法作为一种在线调节神经网络的局部性参数的方法。这两种方法综合使用,可以大大提高模糊神经推理控制系统的自学习性能和鲁棒性。对于图2所示的模糊神经推理网络,它的前提是部分采用了Gauss型的隶属函数,其中心参数和宽度参数是全局性参数,可用遗传算法来调整和优化,而推理规则的结论部分中的权值具有局部性,所以可采用BP算法在线调节。这样把两种学习算法结合起来,取长补短,发挥各自的优点。
　　经分析可知,基于规则推理和案例推理的财务危机预警方法,在公司财务数据准确、详细、非量化因素影响少的情况下有较高的准确性,而在非量化因素影响大、财务数据不够全面、准确的情况下则准确性较低。而基于模糊神经网络的危机预警法则正好相反。因此,为了能够在各种公司的不同情况下,都能较准确地对财务状况进行判断,有必要将两者结合起来进行综合判断。基于信息融合技术的预警方法就是将两者获得的结论和推理过程有机结合起来以获得更准确的判断结果。其结构如图3所示。
　　
　　为验证上述基于专家系统的财务危机预警方法的准确性,本文选取了12家上市公司5年的财务数据和一些相关经营信息进行了预警分析。结果表明,在不考虑定性因素的影响下,基于规则推理和案例推理的定量预警方法,当数据库中成功案例的数量大于43例后,其预警的准确性较以前的模型有一定的提高,且成功案例越多,案例特点与预警案例越接近,则准确性也越高。对定性预警方面,由于很难获取公司该方面的全面信息,本文未作详细验证比较。通过上述分析可见,将其他专业的成功方法如专家系统、小波分析、信息融合等研究方法、技巧、思路引入到财务预警当中来,将非常有助于提高财务危机预警的成功率,并且这些方法也已经有了相关计算模块,为借鉴和验证提供了强有力的工具。
　　
　　主要参考文献
　　[1] 瞿天易. 利用现金流量综合分析数据改进上市公司财务危机预警[J]. 华东经济管理,2004,(8):169-171.
　　[2] 黄莉. 企业内部财务危机综合模糊预警研究[D]. 武汉:华中科技大学,2005.
　　[3] 车晓娜. 财务危机预警模式[J]. 上海会计,2001,(11):53.
　　[4] 王士同,陈慧萍,赵跃华. 人工智能教程[M]. 北京:电子工业出版社,2001.
　　[5] 王耀南. 智能控制系统——模糊逻辑·专家系统·神经网络控制[M]. 长沙:湖南大学出版社,2000.