（管理科学与工程专业论文）科技企业财务状况及项目经费使用合理性研究.pdf

内容摘要 科学技术是社会发展的主要动力。随着社会的发展和进步以及社会发展对科技需 求的不断扩大，国家对科技项目投入的经费逐年增加，科技投入的范围也越来越广。 在此形式下，我国各地区都积极增加科技经费投入。科技项目的实施，离不开科技条 件的支持。科技条件主要包括人员、资本与物质、环境条件等。在科技项目的可行性 评价过程中，科技条件评价占有不小的比重。这篇文章主要进行项目条件评估，包括 立项前的申报者财务状况评估与预测以及项目经费的使用合理性评价研究两个主要内 容。 科技企业财务状况以及项目经费使用合理性研究是科技项目评估中的主要部分， 财务状况评价是判断申报者是否具备相应的科技项目投入能力，以配合政府资助的引 导性经费来完成项目；项目经费使用的合理性评价是根据专家经验以及财务规则审核 具体项目的经费计划，判断科技投入的充分性、节约性、合理性与必要性等。这篇文 章的指导思想是探讨在科技项目的财务评价中体现准确分析与模糊评价的理论与方 法，使作用于综合评价的影响因素更加科学与符合实际。科技项目的性质不同，类型 间差别大等特点，造成了按照传统的财务评价方法很难形成具有针对性的评价结果， 分类评价是比较科学与实际的评价方法。因此这篇文章首先对申报科技项目的企业按 照行业领域进行分类，在每类行业中采用主成分分析法提取分类后的财务分析指标， 然后采用人工智能中的人工神经网络和专家系统等技术，运用计算机快速准确的高效 运算能力，由系统自动实现、修正财务状况评估，尽量节省评估专家的时间和精力 这篇文章拟将主成分分析及人工神经网络模型运用于科技项目评估中的企业财务状况 评估及财务预测，拟采用决策树判断科技经费使用是否符合评价规则。 关键词：财务分析财务预测人工神经网络主成分分析决策树 a b s t r a c t s c i e n c ea n dt e c h n o l o g ya r et h em a j o rd r i v i n gf o r c eo fs o c i a ld e v e l o p m e n t w i t ht h e d e v e l o p m e n ta n dp r o g r e s so fs c i e n c ea n dt h en e e d so fs c i e n c ea n dt e c h n o l o g yc o n s t a n t l y e x p a n d i n g t h ef u n d si n v e s t e di ns c i e n c ea n dt e c h n o l o g yp r o j e c t sa r ei n c r e a s e da n n u a l l ya n dt h e s c o p ei n v e s t e di ns c i e n c ea n dt e c h n o l o g yi sw i d e r i nt h i sf o r m ， a l lr e g i o n si nc h i n ah a v e a c t i v e l yi n c r e a s es c i e n c ea n dt e c h n o l o g yf u n d s t h ei m p l e m e n t a t i o no fs c i e n c ea n dt e c h n o l o g y p r o j e c t si si n s e p a r a b l ef r o mt h es u p p o r to fs c i e n t i f i ca n dt e c h n o l o g i c a lc o n d i t i o n s t e c h n o l o g y c o n d i t i o n si n c l u d i n gp e r s o n n e l ， c a p i t a la n dm a t e r i a l ， a n de n v i r o n m e n t a lc o n d i t i o n s i nt h e s c i e n t i f i ca n dt e c h n o l o g i c a lf e a s i b i l i t yo ft h ep r o j e c te v a l u a t i o np r o c e s s ，t h ee v a l u a t i o no f s c i e n c ea n d t e c h n o l o g yc o n d i t i o n sd on o to c c u p yas m a l lp r o p o r t i o n t h i sa r t i c l em a j o rp r o j e c tt o a s s e s sc o n d i t i o n s ， i n c l u d i n gt h ed e c l a r a t i o nb e f o r et h ep r o j e c tt oa s s e s sa n df o r e c a s tf i n a n c i a l p o s i t i o na n dt h eu s eo fp r o j e c tf u n d sf o rar e a s o n a b l ee v a l u a t i o no nt w om a i ne l e m e n t s s c i e n c ea n dt e c h n o l o g ye n t e r p r i s e sf i n a n c i a ls i t u a t i o na n dr e a s o n a b l eu s eo fp r o j e c tf u n d s f o rs c i e n t i f i ca n dt e c h n o l o g i c a lr e s e a r c hp r o j e c te v a l u a t i o ni st h em a i np a r to ft h ef i n a n c i a l s i t u a t i o na s s e s s m e n ti sj u d g e dt od e c l a r ew h e t h e rt h e yh a v ec o r r e s p o n d i n gt e c h n o l o g yi n p u t c a p a c i t yt oc o p ew i t ht h eg u i d a n c eo ft h eg o v e r n m e n ts u b s i d yf u n d st oc o m p l e t et h ep r o j e c t ； p r o j e c tf u n d se v a l u a t i o no ft h er e a s o n a b l e n e s so ft h eu s ei si na c c o r d a n c ew i t ht h er u l e so f e x p e r t i s ea sw e l la sf i n a n c i a la u d i t so ft h es p e c i f i cp l a nf o rt h ep r o j e c t ，t h ef u l lj u d g e m e n to f i n v e s t m e n ti ns c i e n c ea n dt e c h n o l o g y ， c o n s e r v a t i o n ， r a t i o n a l i t ya n dn e c e s s i t yo fs u c h t h i s a r t i c l ei t h eg u i d i n gi d e o l o g yo fs c i e n c ea n dt e c h n o l o g yp r o j e c t si nt h ef i n a n c i a le v a l u a t i o no f a c c u r a t ea n a l y s i sa n de v a l u a t i o no ft h ef u z z yt h e o r ya n dm e t h o d st om a k ec o m p r e h e n s i v e e v a l u a t i o no ft h ei m p a c to ft h ef a c t o r sm o r es c i e n t i f i ca n dr e a l i s t i c i tp r o j e c t sa r eo fad i f f e r e n t n a t u r e ，s u c ha st h ed i f f e r e n c eb e t w e e nt h et y p e so fc h a r a c t e r i s t i c s ， r e s u l t i n gi naf i n a n c i a l e v a l u a t i o no ft h et r a d i t i o n a lm e t h o d sd i f f i c u l tt of o r mas p e c i f i ce v a l u a t i o nr e s u l t s ， c l a s s i f i c a t i o na n de v a l u a t i o ni sm o r es c i e n t i f i ca n dp r a c t i c a le v a l u a t i o n t h e r e f o r et h i sa r t i c l e f i r s td e c l a r et e c h n o l o g ye n t e r p r i s e si na c c o r d a n c ew i t ht h ec l a s s i f i c a t i o no fi n d u s t r i e si nt h eu s e o fe a c ht y p eo fi n d u s t r yp r i n c i p a lc o m p o n e n ta n a l y s i se x t r a c t i o nc l a s s i f i c a t i o na f t e rt h ef i n a n c i a l a n a l y s i si n d i c a t o r s ， a n dt h e nu s ea r t i f i c i a li n t e l l i g e n c ei na r t i f i c i a ln e u r a ln e t w o r k sa n de x p e r t s y s t e m st e c h n o l o g y ， u s eac o m p u t e rq u i c k l ya n da c c u r a t e l ye f f i c i e n tc o m p u t i n gp o w e r i i a u t o m a t i c a l l yb yt h es y s t e m ，t h a tt h ef i n a n c i a ls i t u a t i o na s s e s s m e n t ，e v a l u a t i o ne x p e r t st r y i n g t os a v et h et i m ea n de f f o r t t h i sa r t i c l ei n t e n d e dp r i n c i p a lc o m p o n e n ta n a l y s i sa n da r t i f i c i a l n e u r a ln e t w o r km o d e lu s e di nt h ea s s e s s m e n to fs c i e n t i f i ca n dt e c h n o l o g i c a lp r o j e c t so fa n e n t e r p r i s e sf i n a n c i a ls i t u a t i o na s s e s s m e n ta n df i n a n c i a lf o r e c a s t i n g ，d e c i s i o nt r e ej u d g e m e n t t e c h n o l o g yt ob ea d o p t e df o ru s ew i t ht h er u l e so fe v a l u a t i o n k e yw o r d s ：f i n a n c i a la n a l y s i s ；f i n a n c i a lf o r e c a s t ；a r t i f i c i a ln e u r a ln e t w o r k s ；p r i n c i p a l c o m p o n e n ta n a l y s i s ；d e c i s i o nt r e e ； 1 i i 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得 的研究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不 包含其他人己经发表或撰写过的研究成果，也不包含为获得天津财经大学或 其他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作了明确的说明并表示谢意。 学位论文作者签名：怙、键签字日期：3 一留年r 月7 日 学位论文版权使用授权书 ( 保密的学位论文在解密后适用本授权书) 学位敝作者虢衙竣 导师虢一翟武 i、 签字日期：30 1 0 男年3 - 月7e t签字日期：3 硼p 年j 月7e l 1 1 1 本文研究的目的、意义 第1 章绪论 1 1 研究的目的和意义 科学技术是社会发展的主要动力。随着社会的发展和进步以及社会发展对科技需求的 不断扩大，国家对科技项目投入的经费逐年增加，科技投入的范围也越来越广。在此形式 下，我国各地区都积极增加科技经费的投入。科技项目的实施，离不开科技条件的支持。 科技条件主要包括人员、资本与物质、环境条件等。在科技项目的可行性评价过程中，科 技条件评价占有不小的比重。本文主要进行项目条件评估，包括立项前申报者财务状况评 估与预测以及项目经费的使用合理性评价两个主要内容。 科技项目企业财务状况以及项目经费使用合理性评估是科技项目评估的主要部分，财 务状况评价是判断申报者是否具备相应的科技项目投入能力，以配合政府资助的引导性经 费来完成项目；项目经费使用合理性评价是根据专家经验以及财务规则审核具体项目的经 费计划，判断科技投入的充分性、节约性、合理性与必要性等。 科技项目条件评价存在的主要问题可以归结为评价标准的不一致性造成的评价结果 偏离问题。主要包括的问题有：科技项目的类型复杂，投入计划的评价缺乏标准的概念； 申报者来源广泛，性质差异大，对于申报者财务状况评价不适宜采用统一的财务标准；主 观性大，由于缺乏标准的支持，造成科技条件评价的主观性过大。专家由于自身专业知识 的限制，在理解以上评价内容与目标的过程中往往过于依赖自己的主观判断，缺乏约束力。 综上所述，本文研究的目的是：首先实现科技项目按行业分类，然后在同类型可比原 则的指导下实现科技项目企业财务状况分析及预测，判断申报者是否具备相应的科技项目 投入能力，然后对企业申报经费预算合理性进行评估研究。 1 2 1 财务分析、财务预警 1 2 国内外的研究现状 目前财务分析、财务预测常用的方法可以归纳为：单变量判别分析法，主要包括杜邦 分析法和沃尔比重法；多元判别法，主要包括线性概率模型、l o g it 模型和判别分析模型 ( m d a ) ；基于信息科学的神经网络分析法。 l ( i ) 单变量模型 单变量模型是指运用单一变量，用个别财务比率或现金流量指标来预测财务危机的方 法，它主要包括杜邦分析法和沃尔比重法。 杜邦分析法 杜邦分析法利用几种主要财务比率之间的关系来综合地分析企业的财务状况，这种分 析方法最早由美国杜邦公司使用，所以称杜邦分析法。杜邦分析法是一种从财务角度评价 公司赢利能力和股东权益回报水平的一种经典方法。其基本思想是将企业净资产收益率逐 级分解为多项财务比率乘积，这样有助于深入分析比较企业经营业绩。 沃尔比重法 沃尔比重法选用常规比率指标，将指标的行业先进水平作为标准值，并将指标用线性 关系结合起来，分别给定各自的分数比重，通过实际值与标准比率的比较，确定各项指标 的得分及总体指标的累积得分，从而对企业的经营业绩做出评价。 ( 2 ) 多元判别法 多元判别法就是运用多个财务指标或现金流量指标来综合反映企业的财务状况，并在 此基础上建立预警模型，进行财务预测。多元判别法主要包括线性概率模型、l o g i t 模型 和多元线性判别分析( m d a ) 。 线性概率模型 该模型是利用多元线性回归方法建立起来的，其形式是y = c + b 。x + b ：x ：+ + b 。x 。其中： c 、b 。、b ：、b 。为系数；x l x 。为k 个预测变量，即财务指标；y 为企业财务危机的概率。 该模型以0 5 为危机分界点，y 值越大，企业发生财务危机的可能性越大。 ( 室) l o g i t 模型 l o g i t 模型又叫对数比率模型，属于概率模型，是克服简单的线性概率模型基础上用 l 。g i t 概率函数建立起来的。模型公式为：l n 。一- p2 风+ 声- 工t + + 成豇，p 为财务危机的概 率，取值是o 和1 ，x i x 。为k 个预测变量，即财务指标。 多元线性判别分析( m d a ) m d a 在财务困境预测研究中的基本思想是：根据已知观察的两个不同的总体，即一组 陷入财务困境的公司和和一组非财务困境公司，和若干个反映观察对象特征差异的随机变 量( 财务指标) ，根据历史资料，采用一定的统计方法筛选出具有显著差异的指标体系，拟 合一个最优的线性判定模型用于对新事物的分类。 2 ( 3 ) 人工神经网络( a n n ) a n n 是模仿人脑和神经系统的结构而产生的，它具有类似人脑功能的若干基本特征， 具有大规模并行处理、自学习、自组织、自适应能力，能独立的处理复杂的非线性问题， 不限定于严格的前提假设条件。在神经网络中，当输入一些资料后，网络会以目前的权重 计算出相对应的预测值以及误差，再将误差值回馈到网络中调整权重，经过不断地重复调 整，从而使预测值渐渐地逼近真实值。当应用此网络到新的案例时，只要输入新案例的相 关数值，神经网络就可以根据当时的权重得到输出值，即预测值。 单变量判别分析法以及多元判别法只能对企业财务状况进行分析，缺乏自主修正模型 的能力。而神经网络模型具有自学习、自主修正能力，能不断地重复调整。所以本文拟采 用能够动态调整的神经网络模型来进行财务分析、财务预警。 1 2 2 科技项目经费使用合理性评估 本文对科技项目经费预算进行评价的过程是一个分类的过程，最后得出经费是符合评 价规则、基本符合评价规则，还是不符合评价规则。常用的分类方法有聚类、人工神经网 络、决策树。刚才已经介绍过人工神经网络，所以下面只介绍聚类和决策树。 ( 1 ) 聚类 聚类分析主要研究基于几何距离的聚类，在使用上，首先要定义多维空间和距离，以 距离作为相似性的判别标准。分类不同的是，聚类操作中要划分的类是事先未知的，类的 形成完全是数据驱动的，属于一种无指导的学习方法。聚类分析的方法较多，例如系统聚 类法、基于划分法、基于模型法、动态聚类法、模糊聚类法等。采用不同的聚类方法，对 于相同的记录集合可能有不同的聚类结果。 ( 2 ) 决策树 决策树是以实例为基础的归纳算法，能够从一组无次序、无规则的事例中推导出决策 树表示形式的分类规则。它采用自顶向下的递归方式，在决策树的内部结点进行属性值的 比较并根据不同的属性值判断从该结点向下的分支，在决策树的叶结点得到结论。决策树 中最上面的结点称为根结点，是整个决策树的开始。每个分支要么是一个新的决策结点， 要么是树的结尾，称为叶子。在沿着决策树从上到下遍历的过程中，在每个结点都会遇到 一个问题，对每个结点上问题的不同回答导致不同的分支，最后会到达一个叶子结点。这 个过程就是利用决策树进行分类的过程，从根到叶结点的一条路径就对应着一条合取规 则，整棵决策树就对应着一组析取表达式规则。建立一棵决策树可能只要对数据库进行几 3 遍扫描之后就能完成，这也意味着需要的计算资源较少，而且可以很容易的处理包含很多 预测变量的情况，因此决策树模型可以建立得很快，并适合应用到大量的数据上。 决策树算法主要优点有：可以生成容易理解的规则；计算量相对来说不是很大，可以 处理连续和分散的字段；可以清晰地显示哪些字段比较重要。科技政策为科技经费使用规 定提供了评价项目预算的基础规则，规则往往是数量化的限制标准，这是普适性的规则， 即显规则；还有利用专家的知识评价申报数据中隐含的不合理因素，即隐规则。本文的财 务规则经过处理后，都是一些可理解的规则。所以本文选择决策数判断科技经费评价是否 符合评价规则。决策树算法包括i d 3 、c 4 5 、s l i q 等，i d 3 是决策树的核心算法，本文 选用传统的i d 3 算法。 i 3 1 本文创新之处 1 3 本文的创新之处及内容安排 对于科技项目条件评价中存在的主要问题可以归结为评价标准的不一致性造成的评价 结果偏离问题。主要包括的问题有： ( 1 ) 科技项目的类型复杂，投入计划的评价缺乏标准的概念。如化工项目与光机电项 目，生物工程与软件项目等在项目投资预算上就产生明显的结构差异。而在一类项目中， 针对不同环节的科技项目也存在投资计划的结构性差别。 ( 2 ) 申报者的来源广泛，性质差异大，对于申报者财务状况评价不适宜采用统一的财 务标准。如大型企业与中、小企业的财务状态差异，事业单位与企业的财务状态差异，制 造业企业与科技型企业的财务状态差异等都造成评价标准不一致。 ( 3 ) 主观性大。由于缺乏标准的支持，造成科技条件评价的主观性过大。专家由于自 身专业知识的限制，对于理解以上评价内容与目标的过程中往往过于依赖自己的主观判 断，缺乏约束力。 本文创新之处： ( 1 ) 企业财务指标体系的筛选 1 9 3 3 年，h o t e l l i n g 提出的主成分分析( p r i n c i p a lc o m p o n e n ta n a l y s i s ) 方法是将分 散在一组变量上的信息集中到某几个综合指标( 主成分) 上的探索性统计分析方法。这种方 法可以利用主成分描述数据集内部结构，实际上也起数据降维的作用。主成分分析法常被 。刘车丽，陈翔基十决策树的个人住房贷款信用风险评估模型 j 计算机t 程，2 0 0 6 年第3 2 卷第1 3 期：2 6 3 2 6 5 4 用来进行财务分析。本文首先对企业进行领域分类，然后利用主成分模型对总结出来的4 0 个财务指标进行处理，找出各个行业最有影响力的若干财务指标。 ( 2 ) 企业财务分析、财务预测模型的建立 财务指标筛选以后，再基于人工神经网络进行财务指标的修正，最后得出企业财务状 况的好坏标志以及企业未来一年财务状况的综合评分。在神经网络中，当输入一些资料后， 网络会以目前的权重计算出相应的预测值以及误差，而后再将误差值回馈到网络中调整权 重，经过不断地重复调整，从而使预测值渐渐地逼近真实值。当应用此网络到新的案例时， 只要输入新案例的相关数值，神经网络就可以根据当时的权重得到输出值。 ( 3 ) 企业项目经费使用合理性评估模型 科技项目经费预算的科学性是实现科技项目的重要保证。本文利用知识工程中的知识 表示对一些科技政策所规定的科技经费使用显规则表示，对一些需要专家经验总结的隐性 规则进行总结，得出科技经费评价规则表，最后利用决策树判断科技经费评价是否符合评 价规则。 1 3 2 本文的内容安排 本文的指导思想是探讨在科技项目财务评价中体现准确分析与模糊评价的理论与方 法，使作用于综合评价的影响因素更加科学与符合实际。采用人工智能、决策支持和专家 系统等技术，运用计算机快速准确的高效运算能力，总结专家经验，由系统自动修正，不 断调整，提高评估效率，为科技企业财务状况评价及经费使用合理性做出快速、准确的科 学评价。 本项目依托天津市科学技术委员会多年来保留的科技企业财务数据和经验，通过对现 有评估方法的研究，运用相关知识，制定相应的算法和评价方法。项目涉及的领域除了人 工智能、神经网络、决策树、关联规则、程序设计原理、数据库技术等，在算法设计上还 应用了主成分分析、财务分析、财务预测等方面的知识。 具体结构安排如下： 第一章为绪论部分，主要对课题背景，研究目的和意义以及国内外的研究现状进行了 阐述。 第二章为财务分析、财务预测，主要介绍了目前的财务分析方法及数据挖掘在财务领 域中的应用，接着介绍了财务预测方法及财务预警模型研究，然后介绍了企业分类，按照 李思忠，郭春晖，李艳红基十数据挖掘方法的公司财务报表分析模型 j 辽宁- t 程技术大学学报，2 0 0 6 年第2 5 期： 2 7 0 - 2 7 3 行业细分后，用主成分分析对各行业的财务指标进行指标筛选。 第三章为人工神经网络在财务分析、财务预测中的应用，首先介绍了人工神经网络的 一些基本概念，接着建立了b p 神经网络财务分析模型及财务预测模型的实例。 第四章为科技项目经费预算评价的理论方法，首先对科技经费使用合理性建立显性规 则与隐性规则。然后通过决策树分析项目经费使用是否合理，建立项目经费使用合理性评 价模型。 第五章为总结和展望部分，主要对本课题的研究内容进行了总结，对论文中存在的不 足之处进行了展望。 6 第2 章财务分析、财务预警 2 1 财务分析 财务分析是以财务报表和其它相关资料为数据依据和起点，采用专门方法，系统分析、 评价企业过去和现在的经营成果、财务状况及变动，目的是了解过去、评价现在、预测未 来，帮助科技管理者判断科技经费投入的有效性决策。财务状况评价是判断申报者是否具 备相应的科技项目投入能力，以配合政府资助的引导性经费来完成项目。 2 1 - 1 当前财务分析方法 一般来说，目前财务分析的方法主要有以下四种： ( 1 ) 比较分析：是为了说明财务信息之间的数量关系与数量差异，为进一步的分析 指明方向。这种比较可以是将实际与计划相比，可以是本期与上期相比，也可以是与同行 业的其他企业相比。 ( 2 ) 趋势分析：是为了揭示财务状况和经营成果的变化及其原因、性质，帮助预测 未来。用于进行趋势分析的数据既可以是绝对值，也可以是比率或百分比数据。 ( 3 ) 因素分析：是为了分析几个相关因素对某一财务指标的影响程度，一般要借助 于差异分析的方法。 ( 4 ) 比率分析：是通过对财务比率的分析，了解企业的财务状况和经营成果，往往要 借助于比较分析和趋势分析方法。 上述各方法有一定程度的重合。在实际工作当中，比率分析方法应用最广。传统的 财务分析方法只是简单地利用统计学的方法对于少量的财务数据进行分析，如果想要分析 数千万企业的信息是比较困难的，并且利用传统的分析方法也不能够深入地了解海量财务 数据潜在的、深层次的信息，所以数据挖掘方法在这方面的应用具有很大潜力圆。 2 1 2 数据挖掘及其在财务领域的应用现状 数据挖掘( d a t am i n i n g ，简称d m ) 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。当前在中国把数据挖掘方法运用在财务领域的学术研究成果不多。 主要由于大多数公司财务人员不了解数据挖掘的方法和技术，他们大多从自身所掌握的基 。刘莎莎数据仓库在财务分析中的心用 d 辽宁：东北财绛火学，2 0 0 4 年：2 - 2 9 。李剑峰，李一军，祁威，等数据挖掘在公i 司财务分析中的应用 j 计算机t 程与应用，2 0 0 5 年第2 期：2 1 7 2 1 9 7 本财务分析方法进行财务状况的分析，而对数据挖掘方法有一定研究的计算机人员对财务 知识了解不深入。 李剑峰( 2 0 0 5 ) 等以模糊聚类对钢铁公司进行财务状况分析，从中发现了公司财务状 况的异同，有力地支持了投资决策的制定；李思志( 2 0 0 6 ) 等建立了基于数据挖掘的财 务报表分析模型，即运用聚类、关联规则、决策树进行联合分析操作，实现了电子产品企 业的财务分析；林伟林( 2 0 0 4 ) 等运用数据挖掘工具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；杨春华( 2 0 0 2 ) 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刨。 但是这些数据挖掘方法只能对企业财务状况进行分析，缺乏自主修正模型的能力。而 人工神经网络模型是一种“黑箱”技术，它可以根据新的样本不断的调整模型，尤其适用 于样本分布不断变化的情况。人工神经网络是模仿人脑和神经系统的结构而产生的，它具 有类似人脑功能的若干基本特征，具有大规模并行处理、自学习、自组织、自适应能力， 能独立的处理复杂的非线性问题，所以本文拟采用人工神经网络模型进行财务分析。 2 2 财务预警 财务预警，是指能够对企业经营失败、财务管理失误现象进行早期警报和早期控制的 一种管理活动。它包括对财务状况恶化的预警分析，能为决策者、投资者、债权人提供重 要的信息。预警分析是一种具有前瞻性的、保证企业及相关各方正确科学地制定经营决策 的重要决策支持系统。因此，财务状况恶化的预警分析是通过系统、科学地采集反映企业 财务状况的指标数据，抽取企业财务状态的特征信息，应用一定的预警方法，对企业财务 状况的现状和发展趋势进行评判，并及时发出企业财务状况恶化的预警信息。 2 2 1 财务预警常用方法 目前财务预警常用的方法可以归纳为：单变量判别分析法，主要包括杜邦分析法和沃 尔比重法；多元判别法，主要包括线性概率模型、l o g i t 模型和判别分析模型( m d a ) ；基于 信息科学的神经网络分析法 。 ( 1 ) 单变量模型是指运用单一变数，用个别财务比率或现金流量指标来预测财务危 李剑峰，李一军，祁威，等数据挖掘在公司财务分析中的应用 j 计算机工程j 应用，2 0 0 5 年第2 期：2 1 7 2 1 9 o 李五杰等人工神经网络n ：经济颅测中的应用 j 天津商学院学报，1 9 9 6 年第3 期：2 4 2 7 彦林伟林，林有数据挖掘相：l ：市公| | 财务状况分析中的心用【j 】_ 市场剧刊，2 0 0 4 年第l o 期：9 8 一1 9 9 杨春华数据挖掘o l 气p 住财务决策中的心用【j 】财会通讯，2 0 0 2 年第1 0 期：3 9 4 0 张玲，陈收，张昕基于多元判别分析和神经网络技术的公刊财务困境颅警【j 】系统1 二程，2 0 0 5 年第2 3 卷第1 1 期：4 9 - 5 6 8 机的方法，它主要包括杜邦分析法和沃尔比重法。杜邦分析法利用几种主要的财务比率之 问的关系来综合地分析企业的财务状况，这种分析方法最早由美国杜邦公司使用，故名杜 邦分析法。杜邦分析法是一种用来评价公司赢利能力和股东权益回报水平，从财务角度评 价企业绩效的一种经典方法。其基本思想是将企业净资产收益率逐级分解为多项财务比率 乘积，这样有助于深入分析比较企业经营业绩。沃尔比重法选用常规比率指标，将指标的 行业先进水平作为标准之，并将指标用线性关系结合起来，分别给定各自的分数比重，通 过实际值与标准比率比较，确定各项指标的得分及总体指标的累积得分，从而对企业的经 营业绩做出评价。 ( 2 ) 多元判别法就是运用多个财务指标或现金流量指标来综合反映企业的财务状况， 并在此基础上建立预警模型。多元判别法主要包括线性概率模型、l o g i t 模型和判别分析 模型( m d a ) 。线性概率模型，该模型是利用多元线性回归方法建立起来的，其形式是 y = c + b 。x 。+ b 。x ：+ + b 。x 。其中：c 、b 。、b ：、b 。为系数；x l x 。为k 个预测变量，即财务指标； y 为企业财务失败的概率。该模型以0 5 为危机分界点，y 值越大，企业发生财务失败的 可能想越大。l o g i t 模型又叫对数比率模型，属于概率模型，是克服简单的线性概率模型 p 基础上用l 。g i t 概率函数建立起来的。模型公式为：l i l - 一- p 。风+ 成z t + + 成丘 ，p 为财 务失败的概率，取值是0 和1 ，x i x 。为k 个预测变量，即财务指标。多元线性判别分析 ( m d a ) 在财务困境预测研究中的基本思想是：根据己知观察的两个不同的总体，即一组陷 入财务困境的公司和和一组非财务困境公司，和若干个反映观察对象特征差异的随机变量 ( 财务指标) ，根据历史资料，采用一定的统计方法筛选出具有显著差异的指标体系，拟合 一个最优的线性判定模型用于对新事物的分类。 ( 3 ) 人工神经网络( a n n ) 是模仿人脑和神经系统的结构而产生的，它具有类似人脑 功能的若干基本特征，具有大规模并行处理、自学习、自组织、自适应能力，能独立的处 理复杂的非线性问题，不限定于严格的前提假设条件。 2 2 2 财务预警模型研究 在财务预警方面很多人也进行了研究，有的用l o g i t 模型对我国上市公司进行一次性的 预测，判别准确率达8 5 6 ；有人用多元判别模型进行预测；还有一些国内外学者开始将 神经网络用于财务预警分析上。纵观前期研究成果，财务预警多以多元线性判别分析( m d a ) 为主流。但m d a 要求变量呈正态分布和协方差矩阵相等、线性独立等较严格的前提假设， 9 这与许多实际状况不符。张玲( 2 0 0 5 ) 在她的研究中比较了神经网络模型和m d a 模型进行 财务预测的结果，得出结论：神经网络训练集的分类准确率( 1 0 0 ) 和短期( 超前2 年) 预测能力强，但其测试集的分类准确率低于m d a ，而m d a 具有相对稳定超前4 年的预测能 力。 纵观国内外的研究和应用现状，分类方法以多元线性判别分析( m d a ) 为主流，这也是 学术界和业界视为最有效的方法。然而这类方法也有其自身的缺陷，女h m d a 要求变量呈正 态分布和协方差距阵相等、线形独立等较严格的前提假设与许多实际不符，一直是这一研 究领域定量分析上争议的问题。近年来，随着人工神经网络技术( a n n ) 的突破，国外许多 学者将其应用于财务困境预警和信用评估研究中。国外研究者女i a l t m a n 、m a r c o 和v a r e t t o ( 1 9 9 5 ) 对意大利公司财务危机预测中应用了神经网络分析法。c o a t s ，f a n t ( 1 9 9 3 ) 、t r i p p i 和t u r b a n ，采用了神经网络分析法分别对美国公司和银行财务危机进行了预测，取得了一 定的效果 。中国学者李云杰、王嘉诚杨保安、王春峰等对神经网络技术在经济预测和信 用风险评估中的应用进行了探讨。多数研究结果表明神经网络优于传统的统计方法。 本文是针对申报企业未来一年的财务状况进行预测，而神经网络短期预测能力强，所 以本文采用神经网络模型对申报企业进行财务状况预测。 2 3 企业财务状况分析 在科技评价中，我国引入了独立的财务分析，通过判断申报者近期的资产状态、成长 性等基本指标来评价申报者的财务状况。然而，科技项目的性质不同，类型间差别大等特 点，造成了按照传统的财务评价方法很难形成具有针对性的评价结果，分类评价是比较科 学与实际的评价方法。 2 3 1 企业分类 企业在申报材料中已注明企业性质：事业单位或其他单位。事业单位分为：全额拨款 事业单位、差额拨款事业单位或自主事业单位，其他单位则按照应用基础研究与科技创新 项目的领域划分为新能源、光机电、生物医药、电子信息、资源与环保、新材料6 个领域， 张玲，陈收，张听摹于多元判别分析和神经网络技术的公司财务困境预警【j 】系统t 程，2 0 0 5 年第2 3 卷第1 1 期：4 9 - 5 6 。a l t m a nel , m a r c oq v a r e t t oe c o r p o r a t ed i s t r e s sd i a g n o s i s ：c o m p a r i s o nu s i n gl i n e a rd i s c r i m i n a t ea n a l y s i sa n d n e u r a l n e t w o r k s j j o u r n a lo fb a n k i n ga n df i n a n c e ，1 9 9 4 ，1 8 ( 1 ) ：5 0 5 5 2 9 c o a t spkf a n tle r e c o g n i z i n gf i n a n c i a ld i s t r e s sp a t t e r n su s i n gan e u r a ln e t w o r kt o o l 【j 】f i n a n c i a l m a n a g e m e n t ，1 9 9 3 ，1 1 ： 1 4 2 1 5 5 国t r i p p irr , t u r b a ne n e u r a ln e t w o r k si nf i n a n c ea n di n v e s t i n g m c h i c a g o ：i r w i np r o f e s s i o n a lp u b l i s h i n g ，1 9 9 6 ：3 0 1 0 在每一个领域中，我们按照国民经济业态的区分标准，将申报者再分类为制造业企业、服 务业企业、科研机构这样三个基本业态。企业进行申报时按照这些标识字段，即可进行分 类，以此作为财务分析的基本类型。 2 3 2 财务指标降维 从大量申报项目企业取得资产负债表、利润表和现金流量表，在这些报表基础之上， 进行数据筛选，运用财务分析中的比率分析和比值分析进行数据的预处理，建立了更有价 值的比率、比值表，抽取关键财务指标：偿债能力分析指标，包括流动比率、速动比率、 现金流动负债比、股东权益比、流动负债率、权益负债率；每股财务数据指标，包括每股 收益、每股收益增长率、每股可分配利润、每股净资产、每股净资产调整、每股资本公积 金、每股盈余公积金、每股负债比、每股净资产增长率；营运能力分析指标，包括存货周 转率、总资产周转率、应收账款周转率、营业成本比例、营业费用比例、管理费用比例、 财务费用比例；盈利能力分析指标，包括经营净利率、经营毛利率、资产利润率、资产净 利率、净利润率、净资产收益率、税前利润增长率、净资产收益率增长率；成长能力分析 指标，营业收入增长率、净利润增长率、总资产增长率、股东权益增长率、营业利润增长 率；财务结构分析指标，包括资产负债率、长期负债资产比、固定比；现金流量比率指标， 包括营业收入现金含量、净利润现金含量共4 0 + 财务指标。 由于新会计准则即将广泛应用，上述财务指标所采用的数据按照新会计准则的要求进 行修改，相应的名称根据新准则财务报表填列的要求进行修正，在采集历史数据时同样按 照新准则的要求进行了部分修正。目前国内事业单位采用事业单位会计准则，其财务数据 不包括普通企业的利润表项目，因此事业单位的财务指标分析将在下面单独说明。 反映公司财务状况的财务指标很多，各个指标反映问题的角度和形式不同，彼此间又 难免有一定的相关性，信息上会发生重叠，从而影响评价工作的进行。为了解决这一问题， 本文采用主成分分析模型对上述指标进行降维。主成分分析法是一种降维的统计方法，它 可以用尽量少的综合指标代替众多的原始数据，并尽可能多地反映原始数据所提供的信 息。通过对样本相关性矩阵的内部结构关系的研究，提出影响公司财务状况的几个综合指 标，综合指标为原来变量的线性组合。综合指标不仅保留了原始变量的主要信息，彼此之 间又不相关，比原始变量具有某些更优越的性质，使得我们在评价公司财务状时更容易抓 住主要矛盾。 1 9 3 3 年，h o t e l l i n g 提出的主成分分析( p r i n c i p a lc o m p o n e n ta n a l y s i s ) 方法是将分 散在一组变量上的信息集中到某几个综合指标( 主成分) 上的探索性统计分析方法。这种方 法可以利用主成分描述数据集内部结构，实际上也起数据降维的作用。主成分分析法常被 用来进行财务分析。 主成分模型的具体做法如下： ( 1 ) 样本数为n ，评价指标为p ，从而得到原始矩阵：y = ( 夕玎l 。p ( 2 ) 将各变标龇舯驴学i = 1 ，2 ，睁1 ，2 ，p y ，为莉项财务指标数据的样本均值；s ，为第j 项财务指标数据的样本标准差。 ( 3 ) 根据标准化后的矩阵x = 玎) 即，计算相关系数矩阵r = o 玎) 咖， ，盯；1 毒圣竺竺二兰坚其中厂盯为第；个财务指标与第，个财务指标的相关 1 | 荟饥_ ) 2 荟一) 2 系数。 ( 4 ) 计算特征方程，得出主成分计算公式。 l 村一尺l = 0 ，求出的特征值。然后计算协。，- r ；= 0 ，确定特征值九对应的特征 向量比，。主成分是各财务指标的线性组合。组合的系数是“巾，它反映了主成分与 各财务指标之间关系的相关程度，对某家公司来说，标准化后的财务指标为x i ，i = 1 ， 2 ，p ，此公司的第j 个主成分乙的计算公式如下：