网络环境下医药化工企业财务风险预警防控系统设计
杨 帅
(北京中医医院顺义医院财务处,北京 101300)
摘 要: 针对网络环境下医药化工企业财务风险的复杂多变性,为有效识别、预测风险,本文将根据风险识别、评价和预警的功能需求,融合Windows开发工具、Visual FreeBasic可视化集成编程环境及SQLServer2008数据库,构建医药化工企业财务风险预警防控系统的逻辑架构;并从经营、筹资和投资等不同层面,以现金流为导向,采用层次分析法、功效系数法选取敏感性的预警指标,并确定预警指数;同时,引入网络数据挖掘技术收集、提取风险数据,形成样本数据集合,并利用PSO-SVM构建混合预警模型,以PSO技术对SVM模型的特征集和核函数参数进行同时性优化,以提升风险预测的效果,且经验证该模型对于风险预测的准确度达到了90%,系统可正确判定风险、及时预警和防控。
关键词: 财务风险;内部控制;预警指标;风险识别
财务风险是医药化工企业有效运行的最大阻碍要素,实时监测筹资、运营和投资等财务风险隐患,及时进行预警防控是有效缓解财务危机的核心所在。尤其网络环境下,医院化工企业财务管理的信息化已经成为必然趋势,其将重塑和优化传统会计核算流程和方法,在解决成本和效率问题、提升医药化工企业核心竞争力的同时,也将改变内部控制机制的监管职责和内容,致使内部控制权限划分不明、管控不力,容易引发诸多财务风险,且因为网络环境开放性、交互性,存在黑客、病毒入侵以及财务数据丢失等问题,这势必影响医药化工企业财务的安全性,在此内部控制和外部环境因素的双重作用下,财务风险的预警防控成为关键。而根据医药化工企业筹资、运营及投资等风险成因,可选定不同的预警指标进行风险的重点监测,基于网络数据挖掘技术从海量、动态的财务数据中识别、提取和分析警兆信号,并以SVM为分类器、应用PSO输出最优适应值的粒子位置,由此构建的基于PSO-SVM的混合预测模型,可获得近似最优的预测结果,为医药化工企业财务风险的精准预警和防控提供了有效支撑。
1 系统的设计方案
1.1 系统的主要功能
1.1.1 风险识别模块
风险识别是对风险评价、预警的基础,医药化工企业财务风险发生前存在诸如现金流量减少、收支失衡、举债规模过大等先兆,但因为“会计戏法”的盈利操作模式下[1],可能导致财务信息失真,表面存在盈余,而实则现金支付能力较差,资不抵债。为此,需要凭借经验或预兆信息从下列预兆信号中识别风险信号,医药化工企业核心业务收益减少,而非核心的、一次性的收入来源增加,可能预示投资失策、盈利前景不佳;应收账款增长速率远高于销售,平均收款期的非正常延长,则可能存在过度使用信用政策提升业绩的风险问题;应付款项规模非常态增长,平均支付期无故延长,则表明现金流短缺,通过这些风险信号可准确判别风险类别,找准风险源,以进行风险的重点监测。
1.1.2 风险分析模块
风险分析是根据预警指标,通过风险数据的监测、收集,利用现代数据挖掘技术和测量方法对风险的类别、大小及损害程度进行综合分析,并根据风险警情的级别程度划分为不同精度,可设定为无警、轻警、中警、重警、巨警等五种类型[2],且可结合外部政策环境变化、财务指标动态监测结果,完善财务风险预警区间,优化预警度的敏感性。监测中可依据警兆指标的数据大小,确定与之对应的警限区间,进而判定警度级别,发送相应的预警信号,以便医药化工企业财务管理人员及时采取针对性的防控对策。
国债是政府债券,同一般债权债务关系相比,国债的债务人一般只能是国家,一般债权债务关系中的债务人可以是个人和组织等多种形式。同时,国债的债权人既可以是一般债权债务关系中普遍存在的国内外公民、法人和组织,也可以是一个国家或地区的政府以及世界银行、国际货币基金组织等国际金融组织。除此之外,国债的发行以及期限的确定更多的是国家单方面的意志,相较于一般债权债务关系,国债具有一定隶属性,我国《国债法》中对此有所体现。同时,国债作为以国家信用为担保的政府债券,其安全性、信用等级均不是一般债券所能够达到的。
根据不同的读者群体(年龄、性别、专业、职业等方面的差异),利用先进的数据挖掘技术,整理并分类处理不同群体的信息,建立相应的不同读者群数据库,分析各类读者群的文献需求信息,有针对性的提供个性化服务。例如:可以根据课程安排、作业布置和论文选题的不同,推送不同的辅导用书、课外读物、期刊等等。
风险预警是通过风险因素确定、风险预警度指标测量分析,将其与预警阈值对比,并结合医药化工企业财务实际情况,综合判定风险的大小和严重程度,将其归类至不同的风险预警等级,启动预警机制发出不同的预警信号,提醒医药化工企业财务管理人员及时采取针对性的风险防控措施,将财务风险损失控制在最小限度内。
1.2 系统的逻辑架构
从合作网络来看,我国近十年武术文化研究呈现小集中、大分散的特征,目前已形成了几个核心科研团队,比如以王岗、邱丕相、戴国斌、虞定海为核心形成的研究团队。有的团队成员均属于同一机构,尤其以上海体育学院最为突出。从团队合作强度来看,同一团队内部、同一区域、统一研究领域的合作强度较大,跨行业和跨区域之间的合作较少,然而合著率在不断攀升,因此关于武术文化相关主题的研究正在吸引诸多学者关注,拥有较大的发展空间。
传统成本管理指的是对于成本的控制和组织运转等多方面的协调活动。通常包括:成本方针;成本目标;成本策划;成本控制。传统成本管理是企业管理的重要一环,其高低体现着一个企业整体管理水平的高低,对企业降低成本,增强核心竞争力有很大意义。但是,随着经济的不断发展,传统的成本管理存在许多问题。
图1 医药化工企业财务风险的预警防控机制
Fig.1 Early warning and prevention mechanism of financial risks of pharmaceutical and chemical companies
2 系统预警指标及警情指数的确定
2.1 预警监测指标的选取
网络环境下,医药化工企业财务数据存在遗失、篡改的问题,运营、筹资及投资风险无法从“应计制”的财务报表上真实体现,而是取决于现金流量和支付能力,为此,本文基于现金流量选取财务风险的防控指标:
随着信息技术和经济环境的不断发展,传统财会管理模式逐渐发生变化,我国经济发展模式正由传统的投资拉动经济增长模式转变为资本节约型经济管理模式。新时期下的企业财务转型,对财会工作人员综合能力也提出了更高要求。财务转型即借助现代信息技术及管理会计等方式,将核算型财务转变为管理决策型财务,并将财会工作积极融入到企业日常经营决策中,并充分发挥自身具备的财务管理价值。
对中国特色扶贫开发道路的探索始于改革开放,但“中国特色扶贫开发道路”这一概念的正式提出则是在21世纪后。这一概念的提出是一个不断生成、演变的过程。
3)投资风险防控指标:国内外将净现值、内部报酬率作为投资风险的分析指标,净现值是投资项目获利能力的指标,是将项目在计算期年限以内各年的净现金流量,依照行业投资的平均报酬率折算为当前的价值,而后加总,所得知大于0则表明从当前看,投资项目可获利,加总值小于0则表明不能获利[5];内部报酬率是上述净现值为0时的投资报酬率,该值越高,其与行业投资平均报酬的差距越大,投资项目获利空间越大,财务风险越小。
2)经营风险防控指标:医药化工企业采、购、销供应链均存在现金流的变动,经营性现金盈利率可反映医药化工企业“应付账款”的偿付能力,该值越大表明医药化工企业运营越好;现金流入量与流出量比值以1为临界值,该比值在等于或小于1时表明现金流出量大于流入量,存在运营风险[3-4],其可以反映医药物资变现、“应收账款”进账情况,所得值越大,表明医药化工企业运营资金流转状态较好,财务风险较低。
1)筹资风险防控指标:医药化工企业财务风险与其负债规模和偿债能力有关,为此,本文选用现金流动负债比率、现金盈利值作为风险防控指标,其中现金流动负债比率越大则说明医药化工企业运营产生的现金净流量越多,偿债能力越强,而现金盈利值越高表明医药化工企业具有充足的现金和现金偿付能力。
式(2)中,CI=(λmax-n)∕(n-1)(n为判断矩阵的阶数,λmax为矩阵的最大特征根)为比较矩阵一致性指标、RI为平均随机一致性指标,CR<0.1时,则通过一致性检验[11],检验A矩阵一致性时,n=3,RI=0.52,CI=(λmax-n)∕(n-1)=0.075<0.1,通过一致性检验,B矩阵检验中,CI均小于0.1,亦通过了一致性检验。
表1 医药化工企业财务风险的预警指标
Tab.1 Early warning indicators for financial risks of pharmaceutical and chemical companies
2.2 指标权重的确定
结合上述风险成因及预警指标,采用层次分析方法可将系统的预警指标划定为目标层A、准则层B、方案层C等三层结构模型[8],目标层指标为医药化工企业财务风险,准则层指标为筹资、运营及投资等指标,而方案层指标则为上述表1中对应的各细化测评指标,而为了进一步确定元素之间的隶属关系,将采用相对重要性方法构建两两比较的判断矩阵,各指标以1~9的标度划分,相对重要性的取值如表2所示。
预警系统可在事前识别风险,及时预警、防控,据此,本文以医药化工企业的财务报表数据、经营状态、投融资情况等数据为依据,结合风险成因分析,筛选出引发风险的敏感指标,并以层次分析法和综合评价法确定各风险指标的权重值、设定风险预警的临界值,据此实时监测、分析风险警兆,并及时采取防控措施,预警系统的风险防控机制如图1。预警系统将以Windows作为系统的开发平台,采用面向对象的、具备强大C语言功能的Visual FreeBasic可视化开发工具,其集成了IDE、编译器、函数库等,通过代码的编写即可完成系统的开发,开发效率较高,而SQLServer2008关系型数据库,基于C∕S体系结构,通过Transact、sql语言便可完成客户端与服务器之间的数据传输及结果反馈,拥有基于Web强大分析功能、支持OLE DB多种查询、图形化操作界面,为此,选用其作为数据库开发的基础,可满足系统对于财务数据、风险因子的统计分析、查询需求。
表2 相对重要性的取值
Tab.2 The value of relative importance
根据上述两元素之间相对重要性的取值,结合专家判断值的均值构建的判断矩阵如下[9]:
该矩阵需满足的条件为:Uij>0,Uij=1 Uij,Uii=1通过两两判断矩阵的构建求解不同元素的特征向量,也即权重,本文采用方根法,首先计算判断矩阵每一行元素的乘积,而后再分别计算各行的n次方根,并对方根向量进行归一化处理,即可获得各预警指标的权重,由此便可确定各指标间的合成权重,如表3所示。
⑥扩展应用前景巨大。Web技术基于的标准是开放的、非专用的,是经过标准化组织IETF和W3C为Internet应用制定的,这为WebGIS的进一步扩展提供了极大的扩展空间,使得WebGIS很容易与Web中其他信息服务进行无缝集成,建立功能丰富的具体GIS应用。因此,随着水文气象业务拓展和计算机应用技术进步,天眼WebGIS应用服务功能仍有着巨大的发展空间。
表3 各层指标间的权重
Tab.3 Weights between indicators at each level
然后,利用一致性比例CR检验判断矩阵的一致性,公式为[10]:
据此,各类预警指标及计算公式如表1所示。
2.3 警情指数设置
各个预警指标均是指向特定财务风险的警情,为根据预警指数及时发出预警信号,本文将采用功效系数求解各个指标的功效系数,对预警指数进行归类、确定指数区间,该值偏离临界值的程度即为警情指数,其需要通过满意值、不允许值予以确定[7]。上述预警指标均归类为极大型变量指数,也即指标实际值越大,财务风险越小,满意值采用行业的平均值,只要达到了平均水平,即认定为无警,其不允许值通常为0[11],如果上述预警指标出现零增长或负增长,则为巨警,可据此进行发出风险预警信号,各预警指标的单项功效系数计算公式如下:
上式中,Y为X指标的功效系数,X为指标的实测值,A、B为指标的不允许值、满意值,依该式获得各个指标的功效系数,而后进行加权平均得出整个财务预警系统的综合功效系数,并据此进行警情区间的划分,综合功效系数越小,则医药企业财务风险越严重。
3 系统的关键技术
3.1 网络采集程序
财务危机警兆信息的提取是进行预警的前提,网络环境下,医药化工企业运营、投资等财务信息集中在Internet之上,为此,本文引入一种网络数据资源技术,采用VisualC4+语言设计一种网络数据采集程序,设置数据采集的类型、深度等采集条件、过滤规则,利用XML信息与处理技术对网络财务数据进行预处理,以实现有目的检索,由此,从网络资源中收集、提取预兆信息,形成初始数据集合,经由自处理或电子表格等软件完成分析、转换和整理,建立预警模型所需的样本数据集合;同时,针对网络环境下医药化工企业财务数据的动态多变性,为确保风险预测的精准性,将选用面向动态数据的支持向量机分类技术,根据最新数据训练预警模型中的分类规则,获得分类决策函数,以判定危机预警信息和财务状态之间的关联规律,结合医药化工企业现有财务状态的相关数据,预测财务危机,网络采集程序实现的流程如图2所示。
图2 预警系统实现的技术路线Fig.2 Technical route implemented by the early warning system
3.2 预警模型及实现过程
支持向量机(SVM)作为一种基于统计学习理论,拥有全局收敛性和较好的泛化能力,以其为数据分类与预测支撑技术,但分类中输入的数据存在特征“维数灾难”问题,影响了SVM数据分类与预测的效率[12-13],为从中提取关键的特征集,要提升SVM分类器的预测效果,特征集的优化成为必然,而因为封装方式将具有最佳分类结果的特征子集作为最终的选择结果,对于分类器来说是最优的,为此,可选用该方式进行特征集的优化。本文将采用二进制字符串方式对特征集,也即预警指标集合进行编码,字符串的长度(bit数)表示原始特征集内含的特征数量,字符串中的bit与数据特征一一对应,每个bit值表示相应的特征是否被选择,1、0分别表示对应的特征被选择、未被选择[14],特征集的编码方式如图3所示。
1.1.3 风险预警模块
图3 特征集的编码方式
Fig.3 encoding mode of feature set
同时,文章选用径向基函数RBF作为预警模型的核函数,其包含C和δ2两个参数,该参数是影响SVM模型分类预测性能的关键,对其优化可提升预测效果,为此,文章将以SVM作为分类器,采用PSO对特征集和核函数参数进行同时优化,设定向量{V1,V2,V3}为粒子位置,其中V1、V2分别为核函数的参数C和δ2,V3为特征集,将特征集和核函数参数作为PSO离子的位置,运用SVM的分类结果作为粒子的适应值,通过PSO算法进行优化,在获得接近最优适应值的粒子位置的同时,也就得出近似最佳的预测结果[15],其中SVM平均分类准确度,也即适应值的函数为:
上式中,Vsize为检验集的大小、Mi为财务风险预测结果与现实结果的契合性,两者一致时Mi取值1,相反则为0。PSO—SVM模型将样本数据分为训练模型和检验模型,计算粒子的适应度,并根据适应值对粒子的位置,也即特征集和核函数参数的进行优化,直至达到最大迭代次数予以结束,获得最优的预测结果。
4 预警系统的实现
为验证医药化工企业财务风险预警防控系统的应用可行性,检验PSO-SVM模型风险预测结果,将选用财务信息公开披露的上市医药化工企业作为研究对象,以是否为被实行过特别处理(Special Treatment,简称ST)作为财务风险的判定标准,共选取120家医药化工企业,其中ST和非ST医院分别为60家,采用Matlab和Libsvm软件创建和训练PSO-SVM模型,分析其对财务状态的预警防控状态,具体实现过程如下:
1)将120组样本数据依照1:1比例分为T-1、T-2两部分数据集,其中T-1数据集用于训练SVM模型,T-2数据集用于计算粒子的适应值。
2)设定C、δ2核函数参数的取值范围各为[0,300]、[0,200],因特征集(6FS)包含6个预警指标,可采用6位二进制字符串表示,并将该二进制字符串转变为可表征6FS的实数V3[0,26-1],此时PSO的粒子可表示为[C,δ2,V3],种群规模及最大迭代次数分别设定为80、100。
2)相关人员应在发生故障时,第一时间对微机事故记录、故障录播图形、装置灯光现实信号进行全面的分析比对,结合具体信息对继电保护装置进行检测,确定故障处在机电保护装置上时,要对其装置做原状维护,然后进行相关记录工作,保障微机继电保护装置故障处理措施的专业性和合理性。
3)利用PSO-SVM模型同时优化特征集与核函数参数,不断提升系统的预测准确度,准确度变化如图4所示,据此,可得最优的核函数参数为C=91.02,δ2=12.58,V3=8289962569282352。将 V3转换为 6位的二进制字符串,6个bit各对应6个预警指标,依据bit上的值是否为1,确定了系统所选的预警指标近似最优的特征子集,据此,便可得到PSO-SVM模型的近似最优预测结构如表4所示。
图3 系统中 PSO-SVM模型预测准确度提升过程
Fig.3 System PSO-SVM model prediction accuracy improvement process
表4 系统中PSO-SVM模型的财务风险预测结果
Tab.4 Financial risk prediction results of the PSOSVM model in the system
由上表可知,基于PSO-SVM模型的财务风险预警系统的预测精准度为90%,达到了较高的水平,能够准确识别医药化工企业财务中存在的潜在危险,为风险预警防控提供了有效支撑。
5 结语
网络环境下医药化工企业财务管理,通过网络将采、购、销等连接为一体,形成统一化的财务管理网络体系。该种管理模式是一种“大财务”,在筹资、运营、分配、投资等各个环节均可能因为内外部因素导致实际收益与预期目标发生偏离,从而引发多种财务风险。而基于PSO-SVM预警系统,根据风险成因设定预警监测的重要指标,并应用网络数据挖掘技术、支持向量机等技术完成风险数据的识别、分析,并据此发出预警信号,能够强化风险的事前防控,最大限度的规避财务风险,优化医药化工企业财务的全流程管理。
参考文献
[1]舒莹,姜强,赵蔚.在线学习危机精准预警及干预:模型与实证研究[J].中国远程教育,2019(08):27-34+58+93.
[2]谢阿红,薛倩玉,鲍建华,等.基于熵权-BP神经网络的涉农类上市企业融资风险预警研究[J].齐齐哈尔大学学报(自然科学版),2019,35(05):78-83+94.
[3]王超.基于模糊层次分析法的财务风险评价研究——以X医药企业为例[J].会计之友,2018(03):115-119.
[4]刘卫华,何帆,刘文朝.“影子银行”财务风险预警系统初探——耦合观下的框架重构[J].财会月刊,2016(02):118-120.
[5]俞晓东.中小企业财务风险预警体系构建[J].财会通讯,2015(10):35-38.
[6]高琴波.ERP体系下的医药化工企业会计作业分析[J].商,2012(02):38-39.
[7]朱俊利,赵鹏飞.公立医院财务特征对其现金持有量的影响研究——来自北京地区的数据验证[J].财会通讯,2013(36):94-97.
[8]申志东.运用层次分析法构建国有企业绩效评价体系[J].审计研究,2013(02):106-112.
[9]林翠珑,于润吉.大数据环境下医院财务管理的探析[J].中国卫生经济,2018,37(12):100-101.
[10]马青.基于数据挖掘的财务诊断问题研究[J].自动化与仪器仪表,2017(10):139-141.
[11]徐文.基于信息化的风险预警平台构建与应用[J].天然气与石油,2017,35(05):119-122.
[12]余小花.网络财务下的风险分析与防范对策研究[J].自动化与仪器仪表,2017(06):3-4+7.
Design of Financial Risk Early Warning and Control System for Pharmaceutical and Chemical Enterprises under Network Environment
YANG Shuai
(Accounting department of Shunyi Hospital of Beijing Chinese Medicine Hospital,Beijing 101300,China)
Abstract: In view of the complexity and variability of financial risks in pharmaceutical and chemical enterprises under the network environment,in order to effectively identify and predict risks,according to the functional requirements of risk identification,evaluation and early warning,this paper will integrate Windows development tools,Visual FreeBasic Visual Integrated programming environment and SQL Server 2008 database to construct the logical framework of financial risk early warning,prevention and control system for pharmaceutical and chemical enterprises.From the different levels of operation,financing and investment,and guided by cash flow,the sensitivity of early warning indicators is selected by analytic hierarchy process(AHP)and efficiency coefficient method,and the early warning index is determined.At the same time,the network data mining technology is introduced to collect and extract the risk data,form the sample data set,and use PSO-SVM to build a hybrid early warning model.The PSO technology is used to optimize the feature set and the parameters of the kernel function of the SVM model at the same time,in order to improve the effect of risk prediction,and the accuracy of the model for risk prediction is verified to be 90%.The system can correctly determine risks,timely warning and prevention.
Key words: financial risk;internal control;early warning indicators;risk identification
中图分类号: R197.322;F232
文献标识码: A
文章编号: 1001-5922(2019)09-0127-06
收稿日期: 2019-08-15
作者简介: 杨 帅(1986-),女,大学本科,北京人,助理会计师,研究方向:财务管理。
基金项目: 北京市顺义区科技三项费项目(KS201734)
标签:财务风险论文; 内部控制论文; 预警指标论文; 风险识别论文; 北京中医医院顺义医院财务处论文;