聚类分析在高校财务风险评价中的应用

黄月 高学东

[摘 要] 财务风险分析评价问题是高校财务分析的重要内容。目前对财务数据的主要分析方法仍是简单的查询和统计报表，如何利用数据挖掘技术对隐藏在财务数据中的知识进行挖掘值得研究。本文针对高校财务月报数据，首先提出高校财务风险评价指标体系，从运营能力、收益能力、偿债能力和发展潜力4个方面对高校财务风险进行分析，然后利用聚类分析方法对高校财务风险等级进行评价，最后对教育部直属高校在某年某月的财务数据进行了实例分析。

[关键词] 高校财务分析；财务风险评价；数据挖掘；聚类分析

doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2014 . 08. 002

[中图分类号] TP391；F275.1 [文献标识码] A [文章编号] 1673 - 0194（2014）08- 0005- 05

1 引 言

随着社会主义市场经济体制的逐步确立，高校逐步融入市场，出现了高校银行贷款规模过大、学生学费欠费数不断增加等问题，可能会引发高校的财务危机。由于高等教育的准公益性、准公共性和高校的非营利性的特征决定了政府是其最终的责任承担者。对高校财务风险进行分析，即对高校负债状况和对财务风险的承受能力以及其事业发展的能力进行的综合评价，不但是高校财务分析的重要内容，也是避免高校财务危机和保证学校教育事业健康发展的重要手段。

目前研究主要采用定量分析方法对高校财务风险进行评价，常用的评价方法有：综合评分法[1]、层次分析法（AHP）[2]、因子分析法[3]、功效系数法[4]和数据挖掘方法[5]等。随着高校财务月报系统数据的逐步积累，利用数据挖掘方法可以帮助发现和有效利用财务数据中隐含的业务运行规律知识，为教育部和财政部相关主管部门提供快速准确的决策支持。聚类分析[6]作为一种常见的数据挖掘方法，由于不需要先验知识，因而可以用来发现数据库中未知的对象类，應用十分广泛。

本文针对高校财务风险评价问题，提出了一个高校财务风险评价指标体系，计算了教育部直属高校在各指标上的具体取值，然后利用k-means聚类分析方法根据各高校的指标取值情况确定高校的财务风险等级。

2 高校财务风险分析指标体系

无论采用何种分析方法，高校财务风险分析主要是基于一系列财务指标进行的，因此设计一个科学的、客观的评价指标体系十分重要。本文将从指标体制设计框架和指标体系具体构成两方面进行阐述。

2.1 指标体系设计框架

本文按照高校财务实际运行过程，从4个方面对高校财务风险进行分析，具体如图1：①高校运营能力，反映高校在运营过程中高校合理有效利用教育资源完成预期目标的能力，这类指标不理想，表明高校管理存在问题，有发生财务风险警情的可能性；②高校收益能力和③高校偿债能力，由于高校在运营一段时间后，可能在运作资金的过程中进行银行贷款等操作导致财务风险，高校收益能力分析和高校偿债能力分析就是分别反映高校在运行一段时间后所体现的取得经济效益的能力和高校偿付各种到期债务的能力；④高校发展潜力，根据高校运行一段时间的表现，分析高校的发展潜力，反映了高校可持续发展的能力，一个学校发展潜力不足，说明其未来财务风险将会加大。高校财务风险评价则是根据高校在上述4个方面的表现，将高校财务风险进行等级划分。

2.2 指标体系具体构成

针对高校财务风险的每一个分析子主题从指标名称、指标含义、计算公式和指标评价4方面进行描述。其中，指标评价为“正向指标”表示该指标值越大表明高校在该分析主题方面表现的能力越强，反之则越弱；“反向指标”表示指标值越大表明高校在该分析主题方面表现的能力越弱，反之则越强。

2.2.1 高校运营能力分析

高校运营能力分析是指对高校利用教育资源完成预期目标能力的分析（表1）。

2.2.2 高校收益能力分析

在高校规模快速扩张，事业发展与资金供给矛盾突出的今天，经营学校已成为高校管理者的共识。因此，一个学校收益能力大小，将直接影响到其发展速度和竞争能力（见表2）。

2.2.3 高校偿债能力分析

高校如果不具备较高的偿债能力，其应付突发事件的能力就很脆弱，发生财务风险的可能性也就较高（见表3）。

2.2.4 高校发展潜力分析

高校管理者不能只局限于当前学校的发展状况，还应为长期的办学规模扩大和经济效益增长储备良好的支撑条件，提供持久的发展潜力（见表4）。

3 实例数值分析

3.1 聚类原理

聚类（Clustering）是数据挖掘的一项重要任务，用于发现数据中未知的对象类。[6]这种对象类划分的依据是“物以类聚”，即考察个体或数据对象间的相似性，将满足相似性条件的个体或数据对象划分在一组内，不满足相似性条件的个性或数据对象划分在不同的组。通过聚类过程形成的每一个组称为一个类（Cluster）。

现有聚类方法主要可以分为分割聚类方法、层次聚类方法、基于密度的聚类方法和基于网格的聚类方法4类。[6]其中，分割聚类方法是聚类最常用的一种方法，首先随机选取几个对象作为聚类的原型，然后迭代将对象加入与其最相似的原型所在的类，直到满足某种条件为止，应用最为广泛的聚类方法是k-means方法。

3.2 实验准备

实验数据来自教育部直属高校财务月报系统，该系统是教育部进一步加强财务管理、推进教育财务管理信息化步伐、加快实现教育财务管理现代化的重要举措，通过该系统可以更方便及时地了解直属高校的财务状况和经费收支情况，更便利地进行各种数据汇总和财务分析工作，为教育部财务日常管理和科学决策提供了有力支持。

本实验使用SQL Server按照高校财务风险指标计算公式，计算得到76所教育部直属高校2011年6月份在各个指标方面的取值情况，然后利用SPSS Clementine软件提供的k-means方法，根据高校在财务风险4个方面的指标取值情况，对高校进行聚类。Clementine不但可以对对象进行聚类，也可以显示各聚类变量的均值是否存在显著差异[7]，有助于增强聚类结果的可解释性。“三分法”是经验分析中常用的方法，因此本实验将聚类个数设定为3类，旨在获得高、中、低3类。

3.3 实验结果分析

首先，根据直属高校该月在高校财务风险4个方面指标取值情况，分别对4个子分析主题进行聚类（见表5）。

以高校运营能力分析为例，根据高校在其6个指标的取值情况，聚类得到第一个类包含71所学校，第二个类包含1所学校，第三个类包含4所学校。进一步查看各指标在各类的取值情况，显示对于高校运营能力聚类，各个高校在“经费收入支出比率”“公用经费支出占事业支出的比重”“固定资产增长率”指标上的取值差异对聚类结果作用不大，而在“经费自给率”“自筹经费收入占总经费收入的比重”“投资基金占事业基金的比率”指标上的取值差异对聚类结果影响较大，因此进一步查看各高校在这些对聚类结果影响较大的指标上的平均取值，可以看到，聚类-1包含的高校普遍经费自给率较低（0.14）、自筹收入占比一般（0.07）、对外投资风险较小（-0.02），聚类-2包含的高校普遍经费自给率一般（0.22）、自筹收入占比一般（0.07）、对外投资风险过高（42.44），聚类-3包含的高校普遍经费自给率比较高（0.49）、自筹收入占比较高（0.17）、对外投资风险较小（-0.25）。因此，综上分析，聚类-1代表高校财务运营能力“中”，聚类-2代表高校财务运营能力“低”，聚类-3代表高校财务运营能力“高”、财务风险最小。

同樣，采用类似的方法对其他3方面分别进行聚类分析。其中，根据各高校在收益能力3指标的取值情况，聚类得到第一个类包含73所学校，第二个类包含1所学校，第三个类包含2所学校，其中“资产收入比率”和“净资产收入比率”的取值差异对聚类结果影响较大；根据各高校在偿债能力7个指标的取值情况，聚类得到第一个类包含23所学校，第二个类包含27所学校，第三个类包含26所学校，并且除“流动比率”指标外，其余各指标的取值差异均对聚类结果影响较大；根据各高校在发展潜力5个指标的取值情况，聚类得到第一个类包含29所学校，第二个类包含43所学校，第三个类包含4所学校，除“其他资金动用程度”外，其余各指标的取值差异对聚类结果均影响较大。

最后，仍采用同样的方法，根据各高校在个财务风险指标上的取值情况进行聚类（此时评价中“正向指标”表示值越大发生财务风险的可能性越大，“反向指标”表示值越大发生财务风险的可能性越小）（见表6）。结果第一个类包含35所学校，第二个类包含4所学校，第三个类包含37所学校，分析可知，聚类-1代表高校财务状况较好、发生风险等级“低”，聚类-2代表高校财务风险“高”，聚类-3代表高校财务发生风险等级“中”。最后将财务风险分析4个方面和财务风险分析结果进行比较，可以发现财务存在风险的高校。

4 结 论

本文针对高校财务风险评价问题，提出了一个高校财务风险评价指标体系，从高校运营能力、高校收益能力、高校偿债能力、高校发展潜力4方面对高校财务风险进行综合评价，在此基础上，利用聚类分析方法根据各高校在各指标上的取值情况对高校财务风险进行分类，从而获得高校财务风险等级情况。由于本文仅是针对高校某年某月的财务风险情况进行分析，考虑到高校财务状况也会根据时间变化，因此下一步研究将根据高校在一时间段内的财务情况序列对高校财务风险情况进行分析。

主要参考文献

[1]岳正华，蔡彬. 基于综合评分法的高校财务风险评价分析[J]. 四川教育学院学报，2010，26 （12）：9-11.

[2]张文耀. 基于层次分析法的高校财务绩效评价[J]. 西北大学学报：哲学社会科学版，2009，39（4）：116-118.

[3]黄文雅，周娉. 因子分析法在高校财务风险评价中的应用[J]. 湖南工程学院学报：社会科学版，2008，18（1）：13-16.

[4]黄海波， 刘飞虎. 基于功效系数法的高校财务风险警情测度模型研究[J]. 哈尔滨商业大学学报：社会科学版，2011（2）：86-90.

[5]赵春. 基于数据挖掘技术的财务风险分析与预警研究[D].北京： 北京化工大学，2012.

[6]武森，高学东，[德]M·巴斯蒂安. 数据仓库与数据挖掘[M]. 北京：冶金工业出版社，2003.

[7]薛薇，陈欢歌. Clementine数据挖掘方法及应用[M]. 北京：电子工业出版社，2010.