基于属性约简算法的电力企业财务预警模型研究

　　一、引言
　　财务预警是以企业的财务报表、经营计划及其他相关会计资料为依据，利用财会、统计、金融、企业管理、市场营销理论，采用比率分析、比较分析、因素分析及多种统计方法与非统计的方法，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经营风险和财务风险，并在危机发生之前向企业经营者发出警告，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的行为。财务预警的思想源于1915年哈佛大学珀森斯教授编制的“经济晴雨表”，该项研究试图对经济波动进行定量分析。本文运用新型的数据挖掘工具——粗糙集中的“属性约简算法”对我国电力企业财务预警模型进行研究。
　　二、电力企业财务预警实证分析
　　（一）财务预警指标的选取
　　对于电力企业而言，财务预警指标的设计不但应能全面反映企业的偿债能力、营运能力、盈利能力、成长能力和现金流量信息等各方面的财务状况，同时还需要考虑到电力企业自身的“行业属性”，在传统的指标体系基础之上，剔除那些对电力企业而言意义不大的指标，保留或增加一些行业特有的、重要的财务指标，以保持项目之间的系统性和相互联系性。
　　本文按照以下标准选择财务危机预警指标：指标在以前文献中出现的频率；指标与电力上市公司的相关性；指标数据的可获得性。通过对近年来财务预警研究领域的大量研究成果进行了梳理后，结合前文所述中国电力行业的特点，考虑到指标对财务状况变动的代表性、超前性、灵敏性、全面性以及数据收集的及时性等基本原则，选取了20个不同的财务指标（见表1）来反映企业的偿债能力、营运能力、盈利能力、成长能力、现金流量能力以及在股票市场的活跃程度。
　　（二）基于互信息的属性简约
　　本文选择中国深沪两市电力板块的53家上市企业的328个有效财务状况数据作为样本。为实现预警功能，选取样本企业t-1年的财务数据作为条件属性C，而选择t年的危机状况（是否被ST）作为与之对应的决策属性D。按照上述财务指标，即条件属性集C={资产负债率，利息保障倍数，流动比率，速动比率，每股收益，主营业务净利率，净资产收益率，总资产利润率，流动资产周转率，总资产周转率，净利润增长率，主营业务毛利率，固定资产周转率，应收账款周转率，主营业务收入增长率，净利润增长率，销售现金比率，托宾Q，市盈率，市净率}。决策属性集仅包含一个指标D={企业危机状况}，其取值包括危机（ST）、健康（非ST）两种情况。
　　确定条件属性和决策属性后，将连续型条件属性转换为离散型，以方便应用粗糙集方法。具体做法是：指出需离散化的条件属性；设置该属性的离散化个数，本文设为3，即每个指标均分为高、中、低三段；算法遍历属性取值，找出边界值，即最大值和最小值，用最大值与最小值的差值除以离散化个数，得到等分的距离；按等分距离实施对连续属性的简单离散化操作，依据属性值落入的区间，将其标识为高、中或低。
　　连续属性离散化之后，为提高算法效率，在不过分影响约简属性集信息量的前提下，将算法终止条件设定为I（B；D）=0.9I（C；D）。调用基于互信息的属性约简算法（java语言在eclipse环境下实现的编码），得到C对于D的约简属性集B={流动比率，资产负债率，利息保障倍数，净资产收益率，主营业务毛利率，流动资产周转率，总资产周转率，净利润增长率，应收账款周转率，市净率}。易知B包含10个属性，极大精简了条件属性个数。
　　（三）规则的生成
　　属性约简之后，得到了包含67条记录的决策系统，并可根据其中的每一个样本可以形成一条决策规则。对于规则集合中某条规则的某一条件属性，如果去掉该条件属性，该规则不和规则集合中的其他规则冲突，则可以从该规则中去掉该条件属性。经过这样的属性值约简，得到的最终的没有冗余的规则集。为了提高预警规则的有效性，按照以下条件进行过滤：acc(α→β)≥0.95，cov(α→β)≥0.05，sup(α→β)≥4，最终筛选出11条规则。
　　（四）预警结果的检验
　　为验证规则的有效性，我们从ST类电力上市公司中随机抽取5家公司作为危机公司样本，选择21家健康公司作为样本进行检验。仿真得到的结果见表2。
　　如表2所示，通过采用粗糙集建立的11条规则对检验样本的仿真，该模型的综合判断率达到了88.5%，判断正确个数为23个。其中，健康企业判断正确率达到90.5%，而有1个危机企业样本判断错误。
　　三、结论
　　本文以电力企业财务指标选择为基础，运用粗糙集数据挖掘技术，对若干财务指标进行约简，进而兼顾客观实际和主观因素的双重影响，构建财务危机预警模型（规则）。该理论体系完备，应用简单方便，是适合“大样本，多指标”的一种较好的方法，为企业财务危机预警提供了新的思路。
　　
　　参考文献:
　　①张友棠．财务预警系统管理研究[M]，北京：中国人民大学出版社，2004
　　②Pawlak Z．Rough Set[J]．International Journal of Computer and Information Science，1982，11（5）：341-356
　　③刘清．Rough集及Rough推理[M]，北京：科学出版社，2001
　　（钟渝，四川省电力公司阿坝公司）