（企业管理专业论文）基于数据挖掘技术的财务分析方法研究.pdf

中文摘要 论文题目：基于数据挖掘技术的财务分析方法研究 专业：企业管理 硕士生：薛建楼( 签 指导教师：赵选民( 签 摘要 会计核算进入了以网络为特征的新时代，财务数据库规模不断扩大，财务数据呈现 “爆炸”式增长。与此同时，财务信息使用者对信息的要求越来越高。面对大量的财务数 据，如果没有高级分析技术手段，而只拘泥于现有的分析方法，就不能分析海量财务数 据中存在的关系和规则，隐藏在数据背后的真实经济业务活动，也不能根据现有的数据 预测公司未来的发展趋势，从而做出正确的决策。数据挖掘技术的迅猛发展可以很好地 为我们解决这一难题，是推动财务分析方法发展的应用技术之一。 本文以我国沪深a 股上市房地产业7 0 家公司为研究样本，引入以统计学为基础的 一种数据挖掘方法一主成分分析，并借助于计算机软件s p s s 和e x c e l 进行研究， 期望在财务研究方法上有所创新，满足新环境下信息需求者的要求。在具体研究过程中， 本文主要有以下创新之处：改变依靠人为和经验选取财务指标的做法，而是遵循一定的 原则进行选取；在应用主成分分析方法时，改变将各种财务指标同等对待的做法，而是 采用分层的研究思路，首先对偿债能力、运营能力、获利能力和发展能力分别进行主成 分分析，计算每项财务能力的综合得分，其次是以每类财务能力综合得分为数据对象再 次进行主成分分析，最终计算企业综合财务能力得分，并用聚类分析方法验证最终计算 结果的有效性。 本文最后的研究结果集中表现为上市房地产公司财务状况综合得分表，各方财务信 息需求者可以选择不同的角度进行经济决策分析，从而提高决策的可行性和科学性。 关键词：数据挖掘技术财务分析主成分分析聚类分析房地产行业 论文类型：应用基础研究 英文摘要 s u b j e c t ：t h es t u d yo nt h ef i n a n c i a la n a l y s i sm e t h o db a s e do n d a t am i n i n g t e c h n o l o g y s p e c i a l i t y ： e n t e r p r i s em a n a m e ；x u ej i a n l o u ( s i i n s t r u c t o r ：z h a ox u a n m i n a b s i r a c i a c c o u n t i n gi n t oan e we r ai sc h a r a c t e r i z e db yt h en e t w o r k ，t h es c a l eo ft h ef i n a n c i a l d a t a b a s ei sb e i n ge x p a n d e d ，t h ef i n a n c i a ld a t ai s ”e x p l o s i v e ”g r o w t h a tt h es a m et i m e ，u s e r s o ff i n a n c i a li n f o r m a t i o nh a db e c o m ei n c r e a s i n g l yd e m a n d i n go fi n f o r m a t i o n t h ef a c eo f m a s s i v ef i n a n c i a ld a t a , i ft h e r ew a sn oa d v a n c e da n a l y s i st e c h n i q u e s ，a d h e r et ot h eo n l yw a y o fe x i s t i n ga n a l y s i sm e t h o d ，i tc a l ln o tb ea n a l y z e di nt h em a s so ff m a n c i a ld a t aa n dr u l e st h a t e x i s t ，t h eo p e r a t i o n a la c t i v i t i e sh i d d e ni nt h ed a t a , t h ed e v e l o p m e n tt r e n do ft h ef u t u r ec a l ln o t b ef o r e c a s t e d ，i no r d e rt om a k et h er i g h td e c i s i o n s ，n l er a p i dd e v e l o p m e n to fd a t am i n i n g t e c h n o l o g yg a v eu sag o o ds o l u t i o nt ot h i sp r o b l e m ，p r o m o t e dt h ed e v e l o p m e n to ft h e f i n a n c i a la n a l y s i so ft h ea p p l i c a t i o no ft e c h n o l o g y t l l i sp a p e rs e l e c t e dc h i n a sr e a le s t a t ei n d u s t r yi ns h a n g h a ia n ds h e n z h e na s h a r el i s t e d 7 0c o m p a n i e sa ss a m p l e s ，i n t r o d u c e dad a t am i n i n gm e t h o db yu s i n gt h es c i e n t i f i cs t a t i s t i c s w a y s t h ep r i n c i p a lc o m p o n e n ta n a l y s i s ，a n du s e dc o m p u t e rs o f t w a r eo fs p s sa n de x c e l t os t u d y ，e x p e c t e di n n o v a t i v em e t h o d si nt h ef i n a n c i a lr e s e a r c hm e t h o d st om e e tt h e i n f o r m a t i o nn e e d so ft h en e we n v i r o n m e n td e m a n d s i nt h es p e c i f i cc o u r s eo ft h es t u d y ，t h i sp a p e rh a st h ef o l l o w i n gi n n o v a t i o n s ：c h a n g e d s e l e c t i n gf i n a n c i a li n d i c a t o r sr e l i e do nm a n m a d ea n de x p e r i e n c e ，b u tm u s tf o l l o wt h e p r i n c i p l eo fs e l e c t i o n ；i nt h ea p p l i c a t i o no ft h ep r i n c i p a lc o m p o n e n ta n a l y s i sm e t h o d ， c h a n g e di nt r e a t i n gf i n a n c i a li n d i c a t o r si nt h es a m ew a y ，i n s t e a d o fu s i n gt h ei d e ao f s t r a t i f i c a t i o nr e s e a r c h ，f i r s to fa l l ，o nt h es o l v e n c yc a p a b i l i t y 、o p e r a t i o nc a p a b i l i t y ， p r o f i t a b i l i t yc a p a b i l i t ya n dd e v e l o p m e n tc a p a c i t yt oc a r r yo u tp r i n c i p a lc o m p o n e n ta n a l y s i s ， c a l c u l a t e df i n a n c i a lc a p a b i l i t yo f e a c ho ft h ei n t e g r a t e ds c o r e ，f o l l o w e db yf i n a n c i a lc a p a b i l i t y o fe a c ht y p eo fd a t ao b j e c ti n t e g r a t e ds c o r eo fp r i n c i p a lc o m p o n e n ta n a l y s i sa g a i n ，t h ef i n a l c a l c u l a t i o no ft h ec o n s o l i d a t e df i n a n c i a lc a p a c i t yo fe n t e r p r i s e ss c o r e s ， u s e dc l u s t e r a n a l y s i sm e t h o d t ov e r i f yt h ef i n a lr e s u l t s f i n a l l y ，t h ef i n d i n g sf o c u so nt h ep e r f o r m a n c eo fl i s t e dr e a l e s t a t ec o m p a n yf o rt h e f i n a n c i a ls i t u a t i o n6 ft h ec o m p r e h e n s i v es c o r es h e e t ，t h ef i n a n c i a li n f o r m a t i o nn e e d so ft h e p a r t i e sc a nc h o o s ead i f f e r e n tp o i n tt o m a k ee c o n o m i cd e c i s i o n ，t h e r e b ye n h a n c i n gt h e d e c i s i o n - m a k i n gp r a c t i c a la n ds c i e n t i f i c k e y w o r d s ： t h e s i s ： d a t am i n i n gt e c h n o l o g y ，f i n a n c i a la n a l y s i s ，p r i n c i p a lc o m p o n e n ta n a l y s i s ， c l u s t e ra n a l y s i s ，t h er e a le s t a t ei n d u s t r y a p p l i e dr e s e a r c h i i i 学位论文创新性声明 本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成 果。尽我所知，除了文中特别加以标注和致谢中所罗列的内容以外，论文中不包含其他 人已经发表或撰写过的研究成果；也不包含为获得西安石油大学或其它教育机构的学位 或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中做 了明确的说明并表示了谢意。 申请学位论文与资料若有不实之处，本人承担一切相关责任。 论文作者签名： 隰掣 学位论文使用授权的说明 本人完全了解西安石油大学有关保留和使用学位论文的规定，即：研究生在校攻读 学位期间论文工作的知识产权单位属西安石油大学。学校享有以任何方法发表、复制、 公开阅览、借阅以及申请专利等权利，同时授权中国科学技术信息研究所将本论文收录 到中国学位论文全文数据库并通过网络向社会公众提供信息服务。本人离校后发表 或使用学位论文或与该论文直接相关的学术论文或成果时，署名单位仍然为西安石油大 学。 论文作者签名：龇 引数 隰尹 第一章绪论 第一章绪论 1 1 研究背景及意义 1 1 1 研究背景 财务分析是管理中不可缺少的工具，是会计信息供给与会计信息需求之间的枢纽， 它通过对会计信息的准确透视与剖析，满足不同财务信息需求者的不同层次的要求。随 着社会经济、科学的发展，会计核算呈现出新的特点，其中网络特征尤为突出。在网络 环境下，会计核算的业务量以及数据库规模不断扩大，呈“爆炸”式增长。与此同时，各 方财务信息需求者对企业财务信息的要求也越来越高，不仅要求得到企业的财务与非财 务数据，尤其希望通过财务分析能更多地披露核心与非核心信息。面对大量的财务数据， 如果没有相应的高级分析技术手段及工具，而只拘泥于现有的分析方法，就不能有效、 快速地分析海量财务数据中隐含的关系和规则、隐藏在数据背后的真实经济业务活动， 也不能根据现有的数据预测公司未来的发展趋势，从而帮助相关决策者做出正确的经济 决策。数据挖掘信息技术的迅猛发展可以很好地为我们解决这一难题。数据挖掘技术是 推动财务分析方法发展的应用技术之一，是可以借鉴的有效途径之一。 数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，进 行抽取、转换、分析和提炼，从中提取隐含的、人们事先不知道的、但又是潜在有用的 信息和知识的过程【5 】。目前，数据挖掘已经广泛应用于电子商务、金融风险、生产管理、 市场控制及分析和科学探索等领域，同时，数据挖掘技术也被应用在财务领域，研究焦 点主要集中在财务分析和财务管理、决策上。 一 1 1 2 研究意义 随着我国社会主义市场经济体制的建立和完善，市场体系日臻健全，上市公司逐渐 增多，投资风险也越来越大。投资者要准确、及时地掌握上市公司的经营状况和财务状 况，必须利用上市公司提供的财务报告进行财务分析，但是新时期会计核算及信息呈现 出新的特点网络化、财务活动业务量及数据爆炸式增长等，如果继续沿用现行财务 分析方法，不仅得不到真实、可靠的财务信息，而且分析成本也越来越大。本文主要基 于实用指标学派开创的财务指标，应用有效的数据挖掘技术，挖掘上市公司有效的财务 信息，积极探索一条新的、简单实用的财务分析方法，具有广泛的意义： ( 1 ) 提升财务分析水平，提高财务信息质量。提高财务信息的真实、可靠性，提 供科学的财务决策依据。数据挖掘技术能在网络环境下的财务信息数据库中筛选出关键 财务数据及指标、减少冗余，完成一系列的目标转换、结构改变等，从庞大的财务业务 及数据信息流中分辨、析取、整理、挖掘出各方相关需求者急需的财务信息，在提升分 析水平同时，迸一步提高财务信息的真实、可靠性，满足新形势下不同会计信息需求者 西安石油大学硕士学位论文 的决策需要。本文通过对a 股上市公司网络财务数据库的截取，以房地产行业为研究 样本，利用数据挖掘技术中的主成分分析方法对上市公司财务状况进行综合打分，可以 指导投资者在同一行业内如何选择最优投资对象。 ( 2 ) 降低财务分析成本，扩大财务分析范围。在新形势下，如果继续使用传统的 财务分析方法，对财务数据的处理、分析成本势必增加。相比传统手工财务分析方法， 数据挖掘技术可以大大降低财务分析成本。同时，智能化的数据挖掘技术满足使用者需 要实现多部门信息的综合分析，扩大财务分析的范围。本文主要研究思路就是首先对上 市公司的偿债能力、运营能力、获利能力和发展能力进行打分，然后确定主要成分的权 重计算综合财务能力得分，整个分析过程不仅扩大了财务分析的范围，还大大降低财务 分析的成本。 ( 3 ) 深化财务分析层次，挖掘潜在财务信息。数据挖掘技术，可以揭示数据的特 征和内在的联系，使它们转化为信息需求者需要的有关公司财务管理、经营管理和各种 决策中的更直接、更有用的信息。本文利用统计技术准确描述每类财务能力及其具体指 标之间的依赖关系或关联关系，找出财务数据中隐藏的勾稽关系，准确表达最终的挖掘 到的知识。 1 2 国内外研究现状 1 2 1 国内研究现状 从财务报告及其分析的历史演进和发展趋势上看，财务报告分析主要有实用指标分 析、财务失败预测和资本市场研究三大学派。实用指标分析从财务报表中开发出财务比 率指标，应用科学的数学方法进行财务报表分析。财务失败预测将财务报告分析的重心 从历史评价转向未来预测，认为财务报告分析的有用性在于对未来事项，尤其是财务失 败的预测。资本市场研究认为财务报告分析的作用在于解释和预测证券投资的报酬和风 险，主要研究财务信息与证券投资的关系。如何运用财务信息对企业价值进行评价，一 直是会计学界着力研究解决的重要问题。随着相关学科和技术的发展，在传统财务分析 方法思想指导下，我们需要引进新的财务分析技术进行更深层次的财务分析，特别是人 工智能、计算机技术等方法。数据挖掘技术属于智能化的计算机技术，已经应用到财务 分析当中。数据挖掘是指从大量的数据中发现隐藏的、内在的和有用的知识或信息的过 程。当前在我国把数据挖掘技术运用在财务领域的学术研究成果不多，这主要是由于大 多数公司财务人员不了解数据挖掘的方法和技术，他们更多地从自身所掌握的基本财务 分析方法进行财务分析，而对数据挖掘方法有一定研究的计算机工作人员对财务知识了 解不够深入，无法完成二者的完美组合。 当前数据挖掘在财务领域的运用主要在财务分析和财务管理、决策上。数据挖掘运 用在财务分析方面，一是来研究行业内企业的分类特征，其中李剑锋、李一军、祁威在 2 第一章绪论 数据挖掘在公司财务分析中的应用中利用数据挖掘中的模糊聚类分析方法，根据一 些最新的、关键的财务指标，对十大上市钢铁公司进行了聚类分析【7 】；林伟林，林有在数 据挖掘在上市公司财务状况分析中的应用中运用数据挖掘工具c l e m e n t i n e 对我国深沪 a 股上市公司进行财务状况分析，并通过因子分析，对其进行排序和行业归类【8 】。门可 佩、薛亮等选取了获利能力、偿债能力、运营能力、成长能力、资本结构等五大类1 5 个指标，利用主成分分析计算出了每个指标的贡献率，然后把贡献率与对应指标的乘积 相加得出了该公司的财务能力，并将其应用于2 0 0 4 年电力上市公司【10 。何慧婷、柳建 民等选择了1 1 2 家上市公司的财务报表数据，运用主成分分析方法，确定和解释了考察 中国上市公司经营状况的主成分因素，构建了七大主成分的评价体系【1 1 1 。毛定祥分别运 用主成分分析方法对各财务指标进行综合了评价，构建了上市公司财务评价指标体系， 得到复合财务系数和动态复合财务系数，客观综合地反映了企业财务状况、经营成果的 现状和发展趋势，为投资者提供了客观、合理的决策依据【i2 】：潘琰，程小可运用主成分 分析法构建了上市公司经营业绩评价体系，并对上证3 0 指数进行了检验，认为在上证 3 0 指数公司范畴内部，这种分析是有意义的。二是对财务预警的研究，刘晏，罗慧在上 市公司财务危机预警分析一基于数据挖掘的研究中以我国上市公司为研究对象，运用 了判别分析、l o g i s t i c 回归和神经网络三种独立的方法并建立它们的混合模型进行预测 1 3 1 。姚靠华，蒋艳辉在企业动态财务预警系统研究中探讨了嵌入数据挖掘技术的动 态财务预警系统建立的技术基础和系统框架【1 4 j ；李爱玲，沈宪章，李豫州在数据挖掘在 财务预测中的应用中探讨了决策树、神经网络方法在财务预测中的运用思路 1 5 j ；在财 务管理和决策方面，刘胜平，张启銮在基于数据挖掘技术的财务实时控制系统研究 中初步研究了基于数据挖掘技术的财务实时控制系统【l6 】；杨春华在数据挖掘o l a p 在财务决策中的应用中研究了财务决策中运用o l a p 和数据挖掘的必要性和流程1 1 7 】。 1 2 2 国外研究现状 国际上数据挖掘技术已经广泛应用到各行各业，包括金融业、保险业、电信业、零 售业、制造业等，而在财务领域应用主要表现在以下几个方面：多维数据挖掘决策支持 系统预测破产风险，根据客户影响企业破产的多维指标，利用企业历史财务数据，建立 决策树和神经网络结合的破产预警系统。其中应用数据挖掘技术中的网络神经方法进行 财务预警研究较多，c o a t s 和f a n t 对4 7 家财务危机公司和4 7 家正常公司运用神经网络 模型进行判别时，对财务危机公司的预测准确率达到了9 1 ，明显高于多元判别法7 2 的准确率。数据挖掘中的动态建模，利用正常情况下的现金流与总资产的比值、现金流 与负债的比率、危机情况下的固定资产与股东权益比率、固定资产与长期负债的比率等 指标判断企业财务风险的动态变化【19 1 。皮彻思、米高和卡如瑟采用主成分分析的方法， 研究了2 2 1 家公司1 9 5 1 年、1 9 5 7 年、1 9 6 3 年和1 9 6 9 年四年的财务指标。他们将公司 的4 8 种财务指标分成了组：投资回报；资本状况；存货状况；财务杠杆；应收账款； 西安石油大学硕十学位论文 短期流动性；现金状况【2 0 1 。高姆包拉和凯茨认为皮彻思等的研究中忽略了现金流量指标 与公司盈利指标的差异，并且现金流量指标的估计也存在着问题，不能简单地以净利润 加折旧来代替，因为这样就忽略了应收应付项目对现金流量的影响。高姆包拉和凯茨用 严格调整后的经营活动营运资本和经营活动现金流量及其他会计数据，设计了4 0 个财 务指标，通过主成分分析提取了8 个近似代表所有指标的主成分，并且经营活动现金流 量指标是其中的一个主成分【2 l 】。 通过对以上国内外研究现状的阅读与分析不难发现，。目前，将数据挖掘技术应用于 财务分析中存在以下几点研究不足： ( 1 ) 财务分析指标的选取。在进行研究时，上述研究文献并没有明确指明研究过 程中财务指标的选取原则或方法，而是依赖于人为或是经验等进行选取，从而造成了分 析指标存在缺陷与不足。 ( 2 ) 财务分析指标量纲。上述文献中，很多研究没有统一选取财务指标的量纲， 而是简单进行统计整理或是简单的标准化，从而造成财务信息在研究过程中逐步损失， 最终影响分析结果。 ( 3 ) 财务分析指标的权重。无论是传统的综合财务分析还是新探索的财务分析， 在进行综合财务分析时，为了表示不同财务指标对综合情况的影响程度，进而需要确定 每项指标的权重。财务分析的权重直接影响最终的分析结果，所以要对权重进行科学的 测定。上述文献中，很多是用管理学中的专家评分法、经验数据进行确定的，难免存在 统计上的缺陷与不精确。进而影响财务分析模型的建立及最终知识的表达。 1 3 研究方法及创新点 1 3 1 研究方法 正确且适合的研究方法会使研究结果更加可信，本文在总结借鉴的基础上主要采用 了以下研究方法： ( 1 ) 定性与定量分析相结合的方法。定性分析主要以理论事实和普遍规律为前提， 从问题的本质进行演绎推理，直接揭示问题的本质，从而指导定量分析。定量分析利用 定性分析确定的方法进行具体的研究。本文应用e x c e l 和s p s s 计算机软件，挖掘不 同上市公司以及同一上市公司财务数据之间的数量关系并揭示研究对象之间的内在规 律，在简化研究过程的同时，使得研究结果更具说服力。 ( 2 ) 采用数据挖掘技术中的主成分分析方法建立财务分析模型。数据挖掘具有一 整套的流程和一系列的方法，本文通过对比分析各种方法的优劣，选择了主成分分析方 法，利用e x c e l 和s p s s 软件将选取的上市公司财务数据进行智能化建模，在得出每 类财务能力得分之后，利用相关理论确定权重，计算上市公司的财务综合得分。 ( 3 ) 采用对比分析的方法。本文利用主成分分析方法建模后，继续采用数据挖掘 4 第一章绪论 技术中的另外一种分析方法聚类分析进行财务分析建模，通过两种模型分析结果对 比验证基于主成分分析模型的有效性。 1 3 2 本文创新点 本文在借鉴和吸收相关理论和实证研究学者的研究成果的基础上，系统的分析和研 究了利用主成分分析方法对上市公司进行综合的财务分析，具有以下创新之处： ( 1 ) 合理选取财务分析指标，统一研究量纲。本文通过理论分析、对比分析选取 反映上市公司财务状况的偿债能力、运营能力、获利能力和发展能力四大类财务指标下 的1 5 个具体核心指标，减少数据研究范围，并统一研究量纲，免除由于公司经营规模 不同造成财务指标绝对值不可比的影响，使得不同公司之间的财务指标更具可比性，最 终分析模型更具适用性。 ( 2 ) 科学确定主成分权重，精确建立财务分析模型。鉴于上述研究文献中关于主 要影响因素的权重测定不科学，本文通过科学的、精确的统计方法对分析出的主成分进 行权重的测定，大大提高了分析模型的精确性。在进行主成分分析时，本文区别于上述 研究文献中将公司所有财务指标或是部分财务指标同等对待进行分析，抽取出若干主要 影响因素的研究方法。而是首先对偿债能力、营运能力、获利能力和发展能力每一类能 力进行主成分分析，计算每类财务能力的综合得分；其次将每类财务能力的综合得分作 为研究对象继续进行主成分分析，最终得出公司的财务状况综合得分，得分越高财务状 况越好，更具有明确的指导意义。 西安石油大学硕士学位论文 第二章财务分析基本方法及应用分析 分析问题是人类社会生活中的一项经常性的、极其重要的认知活动。对于一个事物 或研究样本的分析需要涉及多个因素或多个指标，分析是多重因素相互作用下的一种综 合评价。分析事物或研究样本的主要依据是可靠的因素指标，包括数字的和非数字的， 由于影响事物或研究样本的因素往往是繁多而复杂的，如果只对单一指标进行分析，结 果往往不尽合理，因此需要将反映事物或研究样本的多项指标的信息加以汇集，分辨主 要影响因素，确定综合指标，据此来从整体上反映事物或研究样本的整体状况。上市公 司的财务状况分析就是这样一个复杂的工程，在上市公司的财务报表及其附注中有众多 的财务指标，如何分辨这些指标、如何将这些指标中的有效信息加以整合、如何从中找 出内在的评价依据及联系，是一项极其复杂的工作。 2 1 财务分析的重要意义 财务分析是每个企业进入规范资本市场融通资金必不可少的财务管理工作，企业只 有具备较好的综合财务能力，才能得到投资者的了解，信任、支持，最终从资本市场上 成功融资。据统计资料显示，综合财务状况较好的上市公司的融资占银行放贷总量的 6 0 以上。企业财务分析的准确及有效，是提高企业竞争力必不可少的手段之一。企业 可以通过准确而有效的财务分析了解到竞争对手和合作伙伴的真实情况，进一步降低企 业的信息搜集成本，有助于企业防范信用危机。投资人在决定是否进行投资之前，必须 广泛搜集各项与投资标的相关的财务及非财务信息，以判断企业是否能够如期履约，偿 还本息。 2 2 现行财务分析的局限性 2 2 1 财务分析内容存在局限性 我国企业的财务分析更侧重于经济现象的微观分析、财务报表分析，缺乏从企业资 本运营的角度来进行财务分析，应扩大财务分析范围，不可忽视宏观经济政策的分析； 侧重于货币领域的分析，忽视了非货币领域的分析，应加入无形资产、人力资本、企业 社会责任的履行的分析：侧重于单一财务信息的分析，忽视了与相关经营信息的有机结 合分析，还应结合人力资源、无形资产等知识财产的分析以及关联企业的分析；侧重于 资金运作的分析，忽视了企业资源分析，明确企业各种资源，包括现有的以及潜在的各 种资源；侧重于经济事项的事后分析，缺少有效的前瞻性分析，加强基于历史基础的预 测性分析；侧重于财务指标的静态分析，忽略了企业经营的动态性，考虑进行适时的财 务分析，增强财务分析的及时性；财务指标分析缺少可比性，企业之间的横向比较缺乏， 经营者难以了解相关分析指标在行业中的地位，统一分析指标的量纲，增强不同规模企 业的相互可比；财务分析的适时性和快速反应能力滞后，缺少对企业风险防范和发展潜 6 第二章财务分析基本方法及应用分析 力的分析【2 2 】【2 3 】【2 4 1 。 2 2 2 财务分析方法存在问题 财务分析的基本方法有比率分析法、比较分析法和趋势分析法以及包括沃尔评分 法、杜邦财务分析体系等在内的综合财务分析方法，无论是何种方法均是对企业过去的 经济事项进行的反映。会计报表使用者取得会计报表的时间与业务发生的时间就间隔更 长了，用过去的经济业务数据去判断企业目前甚至将来的财务状况，往往不切实际，偏 离企业的真实财务状况。除此，现行财务分析方法通过财务报表项目及其数据之间所揭 示的财务关系进行研究，其自身也存在固有局限性，表现在：比率分析法是一种事后分 析方法，主要是针对已经发生的经济活动进行分析，在市场经济条件下，已表现出一定 的滞后性，针对单个指标进行分析，综合程度较低，缺乏一定的相关性和预见性；趋势 分析法所依据的资料，主要是财务报表的数据，具有一定的局限性，不同时期的财务报 表可能不具有可比性；比较分析法是指通过经济指标的对比分析，确定指标间差异与趋 势的方法。只有具有可比性的指标采用比较分析法才有价值，而由于报表数据的局限， 不同企业甚至同一企业不同时期的数据均缺乏可比性，价格水平的波动使得不同时期的 数据间更无可比性，比较分析法的运用必然受到影响。 2 2 3 财务分析指标存在局限性 企业财务指标缺乏统一的一般性的标准，不同行业之间划分较粗，不具备必需的代 表性，使相关财务信息使用者无所适从，只是将众多的财务指标进行堆积，而忽视财务 指标的本质内涵。财务报告无法揭示全方位的会计信息资料，使得各方财务信息使用者 较难取得诸如存货结构、资产结构、季节性生产变化等信息。进行企业财务比率分析只 能对财务数据进行比较，对财务数据以外的信息，诸如宏观经济政策、企业所处行业状 况、企业发展战略等未考虑，就可能造成对实际情况的片面理解，甚至是错误理解。财 务报告是企业整体财务以及经营状况的一个总结，其中财务报表是用数据反映企业经营 管理情况，除了财务报表，还有许多其他的信息会在财务报告中向外公布。而比率分析 由于其自身的计算和比较过程只是涉及到财务数据的比较，所以如果分析人员不注意参 考非数字信息来对比率进行分析，就会造成对报表理解的偏差，而误解企业财务的实际 情况。 2 3 数据挖掘技术在经济领域中的应用 鉴于传统财务分析方法以不能满足财务信息使用者的更高要求，就应该借鉴其他相 关学科的相关成熟技术帮助财务分析工作人员改善财务分析方法、提升财务分析质量。 目前，数据挖掘技术已经广泛应用到各行各业，包括金融业、保险业、电信业、零售业 等，尤其是在客户关系管理、投资项目决策、银行风险项目评估、信用评估、消费者行 为和金融市场股价等领域。 7 西安石油大学硕士学位论文 在消费者行为研究中，王萍在其基于数据挖掘技术的消费者行为研究中深入探 讨了如何运用数据挖掘方法分析消费者行为。提出了基于数据挖掘技术的消费者特征分 析法、基于数据挖掘技术的消费者购买模式分析法、基于数据挖掘技术的消费者购买倾 向预测法，并且对所提出的方法分别用实例数据进行了验证，证明了方法的有效性和可 行性，并对数据挖掘技术在消费者行为研究中的应用做了进一步的展望【2 5 1 。 在证券市场领域，陈佐在其时间序列相空间重构数据挖掘方法及其在证券市场中 的应用中以相空间重构技术为基础，以时间序列作为研究对象，分析面向时间序列数 据的数据挖掘方法，并将研究结果应用于实际金融市场，以发现金融时间序列中隐含的 规律、模式和知识，为市场分析和投资决策提供新的思路、方法和辅助决策信息【2 6 1 。 在零售业领域，安建华在其数据挖掘技术在零售业中的应用研究中，首先对数 据挖掘技术做了简要介绍，探讨了数据挖掘技术的概念以及数据挖掘常用技术、数据挖 掘发现知识的分类、数据挖掘流程和数据挖掘工具等。其次对零售业领域业务特点及目 前零售业t i 应用现状做了分析。第三，重点讨论了零售业领域实施数据挖掘项目的具 体应用，分析了数据挖掘技术在零售业领域的应用形式，实施步骤及零售业实施数据挖 掘项目应该注意的问题。最后结合笔者目前实际工作介绍了一种数据挖掘模型( 关联分 析) 在零售业领域的具体应用【27 1 。 以上只是列举了数据挖掘的一些应用，而不是包罗万象。随着各有关交叉学科的进 一步发展，数据挖掘也一定能够在进一步完善自己的理论基础上得到各行各业的进一步 有效应用。 2 4 数据挖掘技术在财务分析中的适用性分析 2 4 1 数据挖掘技术的应用前提 在利用数据挖掘技术进行具体问题分析时，研究对象应满足以下四个条件时才予以 考虑应用数据挖掘技术：对研究对象能够清楚的定义挖掘的问题、研究对象存在潜在有 意义或是有经济内涵的数据、研究对象的数据中包含隐藏的经济知识及规律、处理数据 的费用低于应用数据挖掘技术所获得的潜在知识而增加的经济利益。如果不能满足上述 四个条件，应用数据挖掘技术分析问题将会失败或者无效。利用数据挖掘技术分析上市 公司财务状况本身就清楚的定义了挖掘的任务也即对上市公司财务状况进行挖掘分析； 分析的数据对象是选取的反映偿债能力、运营能力、获利能力和发展能力的各项具体财 务指标数据，蕴含丰富的经济内涵；四大类财务能力之间存在密切的相关关系或称勾稽 关系以及关于每类财务能力、财务指标的内在规律；应用数据挖掘技术是一种智能化的 数据处理技术，其将大大节约处理费用，其所带来的收益是巨大的。基于此，本文考虑 应用数据挖掘技术进行上市公司财务分析。 2 4 2 数据挖据在财务分析中的适用性分析 8 第二章财务分析基本方法及应用分析 2 4 2 1 网络环境下财务分析特点 随着计算机技术和信息技术的迅猛发展，特别是各种财务软件以及网络的广泛应 用，企业的会计核算已经从传统意义的会计核算向网络会计发展，其职能也相应地得到 加强和扩展，比如随着企业的知识资源、人力资源、文化资源和市场顾客资源等重要性 的增强，企业应考虑将其纳入资产要素核算范围，从而进一步扩展企业核算及财务分析 范畴。在网络环境下，随着资本市场日臻完善，企业股东结构日趋多元化，要求企业不 仅要满足现有投资者信息需求，更要吸引潜在投资者注意，从而增强发展能力。财务分 析不仅要面向过去，更要面向未来。由于潜在投资者的增多，财务信息使用者更加需要 的是能为其提供决策依据的准确信息，要求企业在结合外部所处经济环境、宏观经济政 策等情况下全面分析企业内部经营发展情况和趋势，尤其是资本的有效运营，向财务信 息使用者充分披露企业发展前景，营利预测和现金流量等信息。 2 4 2 2 数据挖掘技术为财务分析提供新的技术支持 财务数据挖掘是一种新的、更深层次的财务分析方法，是一种高效的信息处理技术， 其主要特点是能对会计数据库以及相关业务数据库中的大量数据进行抽取，转换，分析 及其他模型化处理，从中提取辅助经济决策的核心数据，为企业决策提供真正有价值的 信息，进而满足新时期财务信息使用者的不同要求。目前数据挖掘技术在企业财务分析 中已能够投入使用，具体表现为： 数据挖掘技术已广泛应用于各行各业，研究领域从学术、医药、军事、科学研究领 域扩展开来，已被非常有效地应用在零售、银行、电信、保险、旅行和服务行业，且其 经济效益表现显著。 x b r l 语言为数据挖掘技术在财务分析中的应用提供有效的支持。x m l 技术的出 现，为互联网上的电子数据交换提供了一个标准，而且x m l 技术从数据的角度提供了 一个更好的表示数据内容以及数据所代表意义的手段。x b r l 作为x m l 在网络财务报 告语言上的应用，则为我们进行大量的财务数据分析，提供有效的技术支持。 数据挖掘已成为稳定且易于理解和操作的应用技术，尤其是多种数据挖掘软件的出 现更加简单化挖掘操作。数据挖掘的核心模块技术历经了数十年的发展，其中包括数理 统计、人工智能、机器学习等。目前某些数据库的并行使用技术使得数据库内部的挖掘 成为可能。通过在数据库内部进行挖掘，企业可以避免数据移动，利用并行处理的性能， 最小化数据冗余，以及消减数据挖掘专用的整个新的冗余的数据库的创建及维护成本。 2 4 2 3 数据挖掘在财务分析中的适用性的具体表现 数据挖掘技术作为决策支持系统的主要技术工具在不断应用和发展，将数据挖掘技 术引入财务分析领域的研究也在不断进行。数据挖掘技术应用在财务分析领域的适用性 表现在以下几个方面：企业财务分析有明确的内容和目标，也就准确定义了数据挖掘的 9 西安石油人学硕士学位论文 任务和目的；企业在财务分析领域应用数据挖掘技术的优势明显，计算机科学技术的进 步使得各个企业，尤其是特大型企业的会计电算化程度逐步提高，企业的财务数据库和 生产数据库比较完善，形成了一定规模的数据仓库，成为数据挖掘的基础对象；在大量 的经济业务数据中，影响企业财务指标的因素众多，如果只局限于公司提供的三大财务 报表及其附注是不够的，因为影响企业财务指标的因素众多，而深入挖掘其中的因素， 揭示经济数据背后的真正经济业务恰恰是数据挖掘技术的优势所在1 2 引。 1 0 第三章数据挖掘原理及方法选择 第三章数据挖掘原理及方法选择 3 1 数据挖掘技术 数据挖掘技术是随着人工智能、数据库和机器学习的发展而兴起的，是近年来一个 十分活跃的研究领域。1 9 8 9 年8 月在美国底特律召开的第十一届国际联合人工智能学 术会议( i j c a i ) 上首次提出了k d d ( k n o w l e d g ed i s c o v e r yi nd a t a b a s e ) 的概念，即数据 库中的知识发现。随后在1 9 9 1 年、1 9 9 3 年和1 9 9 4 年举行的k d d 专题讨论会上，汇集 了来自各个领域的研究人员和应用开发者，集中讨论数据统计、海量数据分析算法、知 识表示、知识运用等问题。随着参与人员的不断增多，k d d 国际会议发展成为年会。 在1 9 9 5 年召开了第一届知识发现和数据挖掘的国际学术会议，首次提出了数据挖掘 ( d a t am i n i n g ) 的概念。数据挖掘( d a t am i n i n g ) 是k d d 的核心，一般对这两个概念不做 区分。在1 9 9 8 年，美国纽约举行的第4 届知识发现与数据挖掘国际学术会议不仅进行 了学术讨论，并且有3 0 多家软件公司展示了他们的数据挖掘软件产品【2 9 1 。目前，在市 场上出现了种类繁多的挖掘工具软件：s a s 公司的s a se m ( e n t e r p r i s em i n e r ) 系统， s p s s 公司的s p s s 社会科学统计软件包，m i c r o s o f t 公司的s q ls e r v e r 等，熟练应用这 些数据挖掘软件就能大大提高数据挖掘的效率。 3 2 数据挖掘的主要方法 数据挖掘是一个交叉学科领域，涉及数据库技术、统计学理论、机器学习技术、模 式识别技术、可视化理论和技术等。由于所用的数据挖掘方法的不同、挖掘的对象数据 类型与知识类型的不同，数据挖掘应用不同的挖掘方法。根据不同的标准，数据挖掘方 法可以有多种分类，如根据挖掘的数据库类型分类、根据挖掘的知识类型分类、根据所 用的技术分类、根据应用分类。目前，几种典型的数据挖掘是关联规则、分类、聚类、 预测、w e b 挖掘、主成分分析等，下面就几个常见的数据挖掘方法做简单介绍： 3 2 1 关联规则挖掘 关联规, f j ( a s s o c i a t i o np a t t e r n ) 分析是反映一个事件和其他事件之间相互依赖或关联 的知识，是数据挖掘研究中的一个重要分支。关联规则挖掘主要表现在确定性关联规则 的挖掘、量化关联规则的挖掘、增量式关联规则的挖掘、模糊关联规则的挖掘、广义关 联规则的挖掘等。经典的关联规则分析可分为两步：第一步是迭代识别所有的频繁项集， 要求频繁项集的支持率不低于用户设定的最低值；第二步是从频繁项集中构造可信度不 低于用户设定的最低值的规则。识别或发现所有频繁项集是关联规则发现算法的核心， 也是计算量最大的部分。在进行关联知识发现时，需要由用户输入最小置信度c 和最 小支持度s ，一般由专家给出。关联规则一直是数据挖掘的研究热点，从超市的购货篮 分析、数据仓库中的关联规则的发现到i n t e r n e t 上数据的关联规则的挖掘等等【3 0 】。 西安石油大学硕士学位论文 3 2 2 分类挖掘 数据挖掘的另一个重要应用是对大量数据的分类能力，又定义为数据分类规则。分 类和预测是两种数据分析形势，可以用于提取描述重要数据类的数据模型或预测未来的 趋势。分类问题也是机器学习、模式识别、专家系统、统计学和神经生物学的研究领域， 并已开发出许多相应的算法，如决策树方法、统计学方法、贝叶斯网络、神经网络等。 决策树算法是一种常用的数据挖掘算法，它是从机器学习领域中逐渐发展起来的一 种分类函数逼近方法。决策树学习的基本算法是贪心算法，采用自顶向下的递归方式构 造决策树。目前，利用决策树进行数据分类的方法已经被深入的研究，并且形成了许多 决策树算法，例如i d 3 算法、c 4 5 算法、c a r t 算法、s l i q 算法、s p r i n t 算法。 贝叶斯网络是基于统计学的分类方法，可以预测类成员关系的可能性，即给定样本 属于一个特定类的概率。数据挖掘领域主要使用两种贝叶斯方法，即朴素贝叶斯方法和 贝叶斯网络方法。 神经网络( n e u r a ln e t w o r k ，n n ) 就是基于对人脑思维的探索和模仿而发展起来的， 是在计算机上运行的实现模式识别和机器学习算法的计算机程序，通过对大量历史数据 库的计算来建立预测模型，并在硬件中实现。自上世纪9 0 年代起，神经网络一直保持 持续的发展【3 1 】。 3 2 3 序列模式 序列模式( s e q u e n c ep a r e m ) 分析和关联分析相似，其目的也是为了挖掘数据之间的 联系，但序列模式分析的侧重点在于分析数据间的前后序列关系。它能发现数据库中形 如“在某一段时间内，顾客购买商品a ，接着购买商品b ，而后购买商品c ，即序列a b c 出现的频度较高”之类的知识，序列模式分析描