财务预警模型

1、摘要创立一个适用和准确的财务预警模型，为决策者和金融业的监管是非常可 取的。虽然生意失败预测（BFP）,特别是银行世纪60年代末以来已被广泛研究 的领域，这是决策支持方案已被忽略的一个关键步骤。本文介绍了财务预警模糊 推理系统与神经网络的学习能力的模糊神经网络（FNN）来预测组织的财务状况 相结合的新型模式，也适用于基于案例推理的模糊推理能力（FCBR）支持决策 者衡量适当的解决方法。拟议的财务预警模型生成的自适应模糊规那么库的预测目 标情况下的财务状况和预测，如果它失败，FCBR被用来寻找类似存活病例。最 后根据类似的情况和模糊规那么库，模型提供财务决策，改变公司的目标，特别是 在即将到来的

2、一年，以防止未来的财务困境。关键词：财务预警系统，模糊神经网络，基于案例模糊推理，生意失败预测。1导言生意失败预测（BFP）,长期以来一直在融资以及信息技术的广泛研究，是一 个特定的数据分析模型，这应该回答一些基本问题，如作为一个金融预警模型： 什么是显着的特点，可以描述遇险和健康的公司吗？这些功能的意义，如何进行 评估和预测认为呢？什么是每个功能的类型和可能的值是什么？什么是数据集 需要事先解决可能发生的问题是什么？多少预测的准确性是至关重要的，它是如 何可以到达？更重要的利益和实际是什么样的预测？要回答的特征选择问题，有许多研究纷纷推出不同的故障预测模型研究不同 的功能集，在他们的模型。其

3、中，从财务报表编制的财务比率被认为是企业目前 的表现比财务报表上被广泛接受的个别工程有更好的措施，因为它可以使财务报 表的信息更具吸引力。至于其他上述问题，获得适当的预测精度一直在这一领域最重要的成就，并有 各种统计和人工智能技术，这是用来建立一个准确的故障预测。其中，人工神经 网络（ANN）已成为最流行的企业破产，由于其较高的预测精度预测技术之一。 然而，神经网络，并没有被应用广泛，在金融公司，因为它是一般人难以建立模 型。困难源于启发式设置许多参数。止匕外，它通常是很难解释为什么它会产生一 个特定的结果，即解释能力较差。因此，有需要其他人工智能技术，具有良好的 解释能力，以及较高的预测性能

4、。FNN与FCBR可能替代的人工神经网络，以 纾缓上述限制，因为他们有能力以及合理准确地解释。利用这种故障预测技术， 似乎是在这一领域的一个新的和有趣的研究方向，是因为故障预测不仅仅是一个 经典的分类，并作为一个实用的系统，它应该提供更多的信息，支持和引导决策 者。在当前的BFP研究，包括利用模糊神经网络和FCBR的BFP模型，预测的准 确性是主要的焦点。有研究缺乏的预测为基础的决策过程，以防止可能破产的决 定。提出的模型，它考虑到所有提到的问题，在一个系统化的方法，试图去通过 后，预测下一步。本研究概述了财务预警模型采用与FCBR模糊神经网络的开展。它首先使用特 征选择方法，找到最显着的特点

5、，然后介绍了一种预处理方法，准备初始数据库, 明显提高预测的准确性。随后，它提出了一个模糊神经网络预测目标情况下的财 务状况。它也适用于集群的情况下，根据其在各组中的模糊规那么库，即生存和失 败，以减少为下一阶段的空间和复杂的问题域。然后，一个模糊的相似性方法， 形成了一组，另一组规那么之间的相似性关系。根据这种关系，任何一组的群集可 以在另一组是最相似的群集的群集。在那之后，模糊优化方法应用于每对相关集 群获得最正确的特征权重向量。最后，FCBR采用案例检索，找到类似的案件为目 标的情况下存活组预测为失败。该模型采用加权特征检索，模糊规那么库和专家知 识，以提供最终用户的建议，以防止可能失败

6、。二。LITRATURE 回顾由于在各种金融危机的到来20世纪90年代和21世纪，特别是最近的经济衰退中2008 -在准确的计算系统的建设已经有广泛的投资，以预测企业的财务状况。从1980年至1996年，国际货币基金组织的国家经历了四分之三银行没有被限 制在特定的地理区域，开展或银行体系结构各级失败。这些银行倒闭，加上 许多企业破产，在前人研究的严重财务危机的明确证据。为了解决这些问题，分 析模型和系统的各类预测一个组织的财务状况已经研制成功。虽然它已被证明， 这些模型是有用的管理者和监管机构的权力，以防止发生的危机和失败2, 3, 一些弊端，使他们不可防止的，重要的业务系统不适用。破产作为金

7、融预警系统 预测，从经典的模式识别问题，比方面部和语音识别，是不同的。其目标不仅是 提供了公司的财务状况进行分类。包括管理者，决策者，监管机构和客户的利益 相关者需要更多的信息分类是如何达成的预测背后的原因是什么，应该做些什 么，以防止可能的破产。此信息可提供适当的财务预警系统模型。大多数现有的 方法，使用的统计方法有不同的缺陷3 4。在另一边，计算智能技术的日益发 展和应用，使研究人员聘用，如支持向量机5, 6,遗传算法7,粗糙集8,人 工神经网络财务预警系统的新方法网络9, 10和模糊系统11。拉维库马尔和拉 维12提供一个域的破产预测模型和方法的详细审查，并展示他们在不同方面， 如精度更

8、好的性能。但仍然有显着短缺，在面对上述车型的支持知识。他们只是 尝试进行分类和预测公司的财务状况，不提供知识，以协助决策者确定公司的目 标，根据这一预测。A.模糊神经网络近年来，已经出台的集成计算智能技术，以到达一个理想的结果，导致了混合模 型的外观。在一个综合模型，这些模型可以嵌入不同的技术，可分别使用不同的 技术，考虑为每一个独特的生产预测的重量。这些模型研究的结果已经说明，他 们比其他计算智能技术2。模糊神经网络（FNN）,这是一种混合型的嵌入模型, 采用神经网络和模糊系统，以创立一个健壮的混合分类和预报工具，在不同的领 域。在最近的一些研究中，不同类型的FNNs用于分类和预测的财务状况

9、4, 9, 13, 14。模糊神经网络的主要优点是其一贯的联邦储藏银行获得了从模糊系统, 连同他们的学习能力和准确性，从人工神经网络获得，以防止未来可能的危机。 这些模型不仅预测金融企业的经营情况比拟准确，而且还提供一个知识基础，可 用于分类问题，并作出决定，以防止这种情况下，才失控。模糊神经网络的所有 类型，可以大致分为两组：（1）自我调节能力，这需要一个初始的规那么库，指定 FNNs前培训15, 16。（2）有能力的FNNs 17, 18从数值训练数据的模糊规那么自动创立。后者的主要优点是，它实际上可以在数值数据中提取隐含的模式, 通过自动生成一个联邦储藏银行的知识。此外，它不需要有先验知

10、识，如集群为 每个变量的数量和这些集群的特点（模糊集）。我们的建议，尝试开展的FNNs 的第二组。B.模糊案例推理预测的财务状况19近年来被广泛应用于基于案例推理（CBR）。CBR是不仅 是一种非线性，非参数和增量学习方法，但也可以明确数据处理解释分析结果， 并作出珍贵和有用的知识，可以帮助一个公司预测失败恢复。同样，大量的历史 情况下，可以有效地存储和由CBR数据库技术管理20。尽管有这些优点，CBR 已经很难吸引研究人员在人工神经网络相比，由于其预测精度低利息。已经有许 多研究，以加强对CBR的性能。他们大多数都引入了适当的相似性类似情况为 目标的情况下对精度有重大影响力的功能和适当数量的

11、不同方法。现有的大多数研究使用功能匹配的功能，这是耗费口寸间和CBR是在这项研究的 另一个研究方向的代表性和传统的距离函数清脆的集合。使用功能的情况下代表 的价值和类比推理算法基于模糊理论的相似性措施的模糊集定义语言方面也有 一些研究21, 22o这些调查指出，不仅CBR的模糊以及进行跨产业比拟，而 且还提供了更加友好的建议的解决方案，其中在解决方案的模糊隶属度可以解 释。此外，它已被证明的准确率可以提高高得多时，模糊集理论在CBR部署。 第三。在建模的财务预警的方法模型提出的方法包含三个主要阶段，解释如下：1）准备阶段包括特征选择，预 处理和模糊聚类，2）规那么生成阶段，包括规那么生成，学习

12、和规那么相似，3）决 策支持阶段，包括案例检索，与专家互动和建议。上述组件在以下各节详细解释。 图1表示明确的方法。A.准备阶段此阶段包括三个功能选择，预处理和模糊聚类的主要步骤。这些步骤是建立该模 型的重要组成局部。由图2演示了这个阶段。功能选择：故障预测中的许多研究已经证明，从报表的绝对值计算财务比率预计 将是有益的。方差分析和逐步MDA的方法，智能的方法，如决策树，遗传算法, 如各种统计方法，可用于选择显着的特点。这些功能区分企业从那些在健康遇险。 在我们的模型，遗传算法可应用于特征选择。预处理：近年来，在分类和预测领域的不平衡数据集的问题要求相当重视。一个 类的实例的数量远远比其他类的

13、实例时，就会发生这个问题。本研究着重于两个 类别不平衡数据集的问题，那里只有一个积极的类（失败的企业），数量较少的 例子，一个负类（企业生存）的例子较多。不平衡数据集的学习过程中，分类将 获得多数类的预测精度高，但预测不佳的少数类，这是同样有必要在预测23。 同样，分类，可以考虑噪音，然后被忽略的少数类。有一些研究说明，不平衡数 据集的问题有负面影响的能力的分类方法24,25o有大量的技术已提出处理不平衡数据集的问题。有一些研究说明，在外部 的技术，过采样的方法，尤其是SMOTE,显着提高了预测精度模糊规那么库的分 类26-28。这种方法有效地使少数类的决定地区更普遍，因此，防止过拟合问 题，

14、并进一步蔓延到多数样品的少数例子28。在我们的模型，可以采用这种技 术。从集群衍生模糊聚类的模糊规那么。执行聚类分析是非常重要的，是对建模问题的 第一步。有一种新型的自组织聚类技术优于其他技术;离散增量聚类（迪爱生） 在我们的模型中介绍的方法，该方法是一个动态的聚类技术，防止的缺点，如稳 定性，可塑性和其他方法和计算梯形形模糊29发现的僵化。B.规那么生成阶段这个阶段包含四个主要步骤。他们两个规那么计算，可以通过模糊神经网络获得学 习的。在这个阶段的模糊神经网络的结构和它的规那么生成算法可以应用，也为预 测和聚类获得模糊规那么库。据预测，模糊规那么分为两个失败，存活类是用于集群 的案例库。每个

15、规那么应说明一个群集。为了执行这些步骤，最近的效率和准确 FNNs 9, 29,用于故障预测，可以采用。这些研究已经证实，不仅模糊神经网 络预测的准确性是完全竞争的神经网络，而且它提供的解释性分析是有用的，以 支持决策者的知识。在规那么生成步骤，模糊集群和前阶段取得的数据的基础上形 成的模糊神经网络的结构和运行规那么生成算法，分别获得初始的模糊规那么库。在 学习阶段，学习算法用于更新和修改初始的模糊规那么库，以获得更多的预测准确 性。FNN与规那么生成和学习方法的样本结构显示在图3。如图3所示，每个节点由一个模糊神经网络的结构f规那么被提名。根据这些规那么 的模糊神经网络的输出被分为两组：失败

16、和生存。此外，这些规那么将用于集群中 的每个组的情况下基地。在这个阶段的第三步是使这两类规那么之间的一对一关系。形成这种关系是基于相 似的规那么。一个模糊的相似方法可以用来表示的关系。在模糊规那么库，它提供 这个阶段，每一个故障类别的规那么是关系到一个规那么生存类别，反之亦然。应该 提到的，我们假设，在每个功能的规那么，否那么不参与，我们可以计算平均值的功 能的情况下，满意规那么涉及的所有功能。作为第三步的结果，一个训练有素的模糊规那么的基础上，将用于预测目标情况下 的财务状况，提供。止匕外，随着数据的基础上，已在前一阶段取得的模糊规那么库 应用，使聚集在步骤四案例库。我们可以产生一个聚集的案

17、例库，其中分为生存 和故障类别，每个类别群集n团簇型N规那么。因此，每个案件属于一个类别集 群。此外，根据在先行一步中定义的规那么之间的相似性关系，每个集群中的一类 是相关的（类似）其他类别的集群之一。最后，我们可以定义两个特殊的特点， 对每一种情况下，这说明在该案例位于集群和其他类别的集群，这是类似案件集 群。由图4所示，规那么生成阶段进行财务预测，以及筹备模糊规那么库，为下一阶段的 模糊的情况下聚集基地。集群的案例库，显着降低问题的维数。C.决策支持阶段这一阶段财务预警模型是最重要和最新颖的一局部提出的建模方法。这一阶段的 目标是目标的情况下，如果预测失败，实际的和准确的知识可以提供支持决

18、策者, 以防止失败。这个阶段包含三个主要步骤：重量优化，案例检索和功能变化的提 名。第一步是发现案件的最正确或接近最正确的特征权重向量。模糊遗传算法的应用，以 获得功能的体重。应使用该算法，分别为每对相关集群。作为这一步，每一个功 能获得一个特定的重量是相同的所有情况下，在两个相关的集群。对象的优化算 法可以最大化的情况下，在两个相关的集群属于两个类别之间的相似性度量。 在下一步，案例检索，找到最相似的K存活类案件应提出建议。要做到这一点, 应选择适当的相似功能。选择适当的功能取决于标准，如功能的数据类型，精度 和功能类型，包括路口的距离，余弦距离，或欧几里德距离。在锅炉给水泵的 CBR的应用

19、主要使用从欧氏度量在k-近邻（K-NN）的情况下取得的相似措施。 因为功能的数据类型是在语言方面提出的模型，模糊K-NN的建议检索k类似存 活的情况下，为目标的情况下，预计失败。使用模糊k-NN的另一个原因是，它 支持的成员不同程度的匹配情况的灵活性。相似的目标的情况下，其他案件的程 度就可以被指定在模糊隶属度，而不是仅仅清脆的结果。在这个阶段的最后一步，根据存活的情况下这是在前面的步骤和专家的知识检 索，应选择适当的金融功能改变。寻找适当的加权功能，是一个模糊的多目标决 策（FMODM）的问题，其中包括最大化的相似性，最大限度地降低本钱和最大 限度地提高效率等目标。建模和解决这个问题，专家知识起着重要的作用，应考 虑到在一个交互式的计划。同样，模糊规那么的基础上，这是在上一阶段产生的， 并表示该公司的财务状况，可以在敏感性分析检查的可能性和适宜的解决方案。 图5描述了这个阶段 四。智能财务预警模型拟议的财务预警模型的建模方法已在上一节的说明