企业财务数据的决策模型分析
2015-05-05蔡秋童何宗祥
蔡秋童, 何宗祥
(1.上海财经大学 金融学院 上海 200433;2.安徽师范大学 数学计算机科学学院,安徽 芜湖 241000)
企业财务数据的决策模型分析
蔡秋童1, 何宗祥2
(1.上海财经大学 金融学院 上海 200433;2.安徽师范大学 数学计算机科学学院,安徽 芜湖 241000)
利用决策模型对企业在一段时间内的财务历史数据进行分析和挖掘,既尊重了企业财务数据的客观性,又体现了企业财务目标属性的重要性.对于决策者来说,决策模型分析不仅是对企业财务历史资料的一种动态分析,还是在对过去分析研究的基础上有效预测企业未来的一种新视角和新途径.
决策模型;单目标优化模型;熵信息法;组合最小二乘法;中转法
引 言
在企业评估和评价过程中,对企业财务历史数据的分析与挖掘是一项非常重要的工作,它不仅能够评价企业的财务状况和经营成果,还直接影响对企业的价值定位和核心竞争能力的评价.目前对企业在一段时间里的财务历史数据进行挖掘与分析的方法主要有比较分析法、因素分析法[1,2,3].这些方法都很好和有效地回答了企业的运行情况和竞争能力.但是,这些方法都无一例外地只从企业财务数据的客观实际数值出发,通过一定的理论分析和数据运算,得出相应的企业竞争能力和价值测度,没有包含人的主观因素,没有体现企业财务数据的属性重要性.决策模型分析是现代决策科学的一个重要的方法和手段,它在经济、管理、工程、军事等诸多领域都有着普遍的理论探索和广泛、实际的应用,如项目评估、投资决策、经济效益、竞争能力的综合评价等等.迄今为止,还鲜见利用决策模型对企业财务数据进行分析和解析的报道.利用决策模型对企业财务数据进行分析和解析不仅考虑了企业财务数据的客观性,而且还能够进一步兼顾企业财务数据所蕴含的属性实际重要性程度;既能够充分利用已知的企业财务数据的客观性,还能够最大限度利用企业财务数据属性所蕴含的实际重要性程度,为决策者和评估者得出最佳决策方案以及合理评价结论提供有效和科学的数据支撑.总之,利用决策模型对企业财务数据进行分析、挖掘和解析是一种对企业财务数据进行分析的新视角和新途径.
1 模型、变量与数据处理
1.1 企业各季度财务目标的客观属性综合值
利用决策模型对腾讯公司2006-2014年度35个季度(2014年第四季度的数据腾讯网尚未公布)的财务季度报表所提供的财务数据[4](见图1)进行分析、挖掘和解析,进而得出腾讯公司在该时间段内的企业变化的特征,为进一步分析和评估该企业发展变化的趋势和核心竞争能力提供财务数据分析的新视角.
首先根据腾讯公司2006-2014年35个季度的财务季度报表所蕴含的信息,确定各财务目标的客观权重,即确定财务目标的客观权重向量(ω1,ω2,…,ω9)T,使得单目标优化模型[7,8,9]
(1)
成立.
通过图2可以比较直接地从整体上认识腾讯公司2006-2014年各季度财务目标的客观属性随时间变化的总趋势.不仅如此,从图2还可以得出每年各季度、各年度相同季度财务目标的客观属性综合值变化的环比分析.例如:每年的同一季度,在2008年以前,总体都是呈下降趋势;但从2008年开始,总体都是呈上升趋势.这表明企业在2008年前,是处在一个与市场磨合的适应期,但从2008年开始,企业在运行过程中开始进入正常的发展期,步入快车道,稳定发展.另外,在2008年以前,各年度的每个季度都呈下滑趋势,表明企业发展相对比较艰难,在市场上或许还未能找到合适的定位.2008-2010年期间,这一趋势得到改善,每年的各季度基本持平,企业基本上适应了市场,局面开始有所改观.而从2010年之后,各年的每个季度都呈不同程度的上升趋势,此时企业在市场上找到了自己的位置,发展进入稳定期.
1.2 企业各季度财务目标属性的重要性
上述通过财务目标的客观属性权重向量(ω1,ω2,…,ω9)T来计算企业各季度财务目标的客观属性综合值,从而实现能够将各年各季度的财务数据进行一种排序的方法,能够充分客观地利用财务数据的客观性.但是,财务目标属性的重要性没有被有效地体现出来,没能够充分反映财务目标属性在决策分析过程中被认识和重视的程度.因此,有必要对企业财务目标属性认识的重要性表现出来,为更有效地评估企业的核心竞争能力和评价企业的价值测度提供体现人以及决策者的因素.
根据人的认识以及决策分析者对企业财务目标属性重要性认识的程度,而对财务目标属性进行主观赋权的方法目前还少见报道.但主观赋权法在线性规划、多属性决策分析中有着广泛而成熟的应用,是该领域中的一个重要研究内容.它主要包含:比较矩阵法[15]、环比评分法[16]、点值估计法[17]、判断矩阵法[18]和Fuzzy集法[19]等.这其中,判断矩阵法是一种有效、实用的确定目标属性权重的方法.下面利用构造模糊互补判断矩阵法对企业财务目标属性进行赋权,以期达到体现企业财务目标属性的重要性.
首先,根据0.1-0.9标度对企业财务目标属性进行两两比较,可得模糊互补判断矩阵:
再利用模糊互补判断矩阵排序的中转法(MTM)[20],将模糊互补判断矩阵B转换为加型模糊一致性互补判断矩阵,通过对该矩阵的行和归一化处理可得企业财务目标属性的主观赋权权重向量:η=(η1,η2,…,η9)T=(0.10625,0.108625,0.131528,0.101111,0.078153,0.127028,0.11925,0.113708,0.110264)T
1.3 企业各季度财务目标属性的组合综合值
以上对企业财务目标的属性,分别从客观和主观两个方面进行了分析和认识,并都对企业财务目标属性赋予了属性权重向量.但是,客观赋权法1.1所确定的财务目标属性权重向量(ω1,ω2,…,ω9)T在体现企业财务目标属性的重要性方面略显不足,主观赋权法1.2所确定的企业财务目标属性权重向量(η1,η2,…,η9)T在表达企业财务目标属性的客观特征方面有待加强,因此有必要对客观赋权法1.1和主观赋权法1.2各自确定的企业财务目标属性的权重向量进行再一次的综合组合赋权.目前,在线性规划、决策分析中的组合赋权的方法主要有:组合目标规划法[21]、方差最大化赋权法[22]和组合最小二乘法[23]等.
下面利用组合最小二乘法对客观赋权法2.1、主观赋权法2.2各自所确定的财务目标属性权重向量(ω1,ω2,…,ω9)T和(η1,η2,…,η9)T进行组合赋权.设组合赋权的企业财务目标属性综合权重向量为(α1,α2,…,α9)T,则可建立下列单目标优化模型
(2)
其中,λ1,λ2分别为相应客观赋权法所得权重与主观赋权法所得权重的权系数.
考虑到所有的企业财务目标属性都是具有公平竞争的平等关系,故可取λ1,λ2均为1.解模型(2)可得α=(α1,α2,…,α9)T=(0.111514,0.113879,0.109515,0.112484,0.0981,0.110094,0.108968,0.113522,0.119884)T.
利用α=(α1,α2,…,α9)T,可求出各季度财务目标属性的综合值zj,1≤j≤35.
通过图3可以比较直接地从整体上认识腾讯公司2006-2014年各季度财务目标的属性随时间变化的总趋势.这种变化趋势,不仅包含企业各季度财务数据的客观性,而且还体现了企业各季度财务目标属性的重要性,为进一步刻划企业的核心竞争力以及测度企业的价值提供了既尊重财务数据的客观性又能够体现企业财务目标属性重要性的一个新视角.同时,从图3还可以得出类似于从图2中得出的结论,反映出每年各季度、各年度相同季度能够体现财务目标的属性重要性的、体现企业财务目标属性的组合综合值变化的环比分析结果.
2 结论
利用决策模型对企业在一段时间内的财务历史数据的挖掘与分析,能够得出企业的经营情况和财务状况的客观事实,同时还能够得出相应企业的核心竞争能力与企业的价值测度.这为决策者提供了有效的数据支撑和理性的分析依据.
本文介绍的利用决策模型方法分析腾讯公司在2006-2014年度35个季度的财务历史数据,不仅对财务数据的客观性进行了有效的保持和尊重,还能够对企业财务目标属性的重要性进行了有意义的体现和表达.这是对现有的财务报表分析与评价做出的一个有意义的尝试和改进,是评价和评估企业竞争能力和价值测度的一个新视角和新手段.
文中对企业财务历史数据进行纵向深度的挖掘与分析是一种新的评价财务报表的视角与方法,但对于企业在同行业中的横向宽度的比较有待于在后期工作中开展和进行.这样才能够全面、准确的刻划企业的信息.
[1] BORK D, FILL H G. Formal aspects of enterprise modeling methods: a comparison framework[C]. In: Proceedings of the 47th HICSS, 2014,3400-3409.
[2] DAY J, TAYLOR P. Institutional change and debt-based corporate governance: a comparative analysis of four transition economies[J]. Journal of Management and Governance, 2004,8:73-115.
[3] WANG Y H, XIA L M, PAN J S, ZONG H H. 2012 International conference on applied physics and industrial engineering application of factor restructuring analysis in enterprise safety culture evaluation[C]. Physics Procedia 2012,24:1642-1648.
[4] http://www.tencent.com/zh-cn/at/pr 2015-1-25.
[5] LEE C W, KWAK N K. Strategic enterprise resource planning in a health-care system using a multicriteria decision-making model[J]. J Med Syst, 2011,35:265-275.
[6] 陈 .决策分析[M].北京:科学出版社,1987.
[7] 赵建中.多目标决策中目标转化的一种等效系统法[J].系统工程,1985,3(3):44-48.
[8] 袁卫,庞皓,曾五一,贾俊平.统计学[M].北京:高等教育出版社, 2005.
[9] 刘树林,邱菀华.多属性决策的TOPSIS夹角度量评价法[J].系统工程理论与实践,1996,16(7):12-16.
[10] 徐泽水,孙在东.一种基于方案满意度的不确定多属性决策方案[J].系统工程,2001,19(3):76-79.
[11] 王应明.运用离差最大化方法进行过指标决策与排序[J].系统工程与电子技术,1998,20(7):24-26.
[12] 孙在东,徐泽水,达庆利.基于方案贴近度的不确定型多属性决策模型[J].中国管理科学,2001,9(6):58-62.
[13] 樊治平,张权.一种不确定性多属性决策模型的改进[J].系统工程理论与实践,1999,19(12):42-47.
[14] 樊治平,胡国奋.区间数多属性决策的一种目标规划方法[J].管理过程学报,2000,14(4):50-52.
[15] 陆建春.比较矩阵构造法及其在模糊层次分析中的应用[J].成都科技大学学报,1989,3:81-86.
[16] 陆明生.多目标决策中的权系数[J].系统工程理论与实践,1986,64(4):77-78.
[17] 王宗军.集成式多目标权系数赋值方法[J].系统工程理论与实践,1996,16(8):12-19.
[18] 王宗军.多目标权系数赋值方及其选择策略[J].系统工程与电子技术,1993,15(6):34-41.
[19] 黄德才,胥琳.AHP中判断矩阵的比例标度构造法[J].控制与决策,2002,17(4):484-486.
[20] 徐泽水.模糊互补判断矩阵排序的一种算法[J].系统工程学报,2001,16(4):311-314.
[21] PITCHIPOO P, VENKUMAR P, RAJAKARUNAKARAN S. Grey decision model for supplier evaluation and selection in process industry: a comparative perspective[J]. Int J Adv Manuf Technol, 2015,76:2059-2069.
[22] WANG YM, LUO Y. Integration of correlations with standard deviations for determining attribute weights in multiple attribute decision making[J]. Mathematical and Computer Modeling, 2010,51(1-2):1-12.
[23] FU C, YANG SL. An attribute weight based feedback model for multiple attributive group decision analysis problems with group consensus requirements in evidential reasoning[J]. European Journal of Operational Research,2011,212(1):179-189.
An Analysis of Enterprise Financial Data in Decision Making Model
CAI Qiu-tong1, HE Zong-xiang2
(1. School of Finance, Shanghai University of Finance and Economics, Shanghai 200433,China; 2. College of Mathematics and Computer Science, Anhui Normal University, Wuhu 241000, China)
Utilizing the decision-making model to analyze and excavate the historical financial data of the enterprise in a period of time is a kind of behavior that respects the objectivity of the enterprise financial data and reflects the significance of the enterprise financial target at the same time. For decision makers, it is not only a sort of dynamic analysis for the historical data of enterprises, but also a new method and perspective which forecast the future of business effectively, based on the analysis and research in the past.
decision making model; the model of single-objective target; entropy information method; least square method; transfer method
10.14182/J.cnki.1001-2443.2015.05.005
2015-03-24
上海财经大学大学生创新创业类训练项目(cx2015).
蔡秋童(1994-),男,安徽芜湖人,研究方向:公司金融.
蔡秋童,何宗祥.企业财务数据的决策模型分析[J].安徽师范大学学报:自然科学版,2015,38(5):432-436.
F275
文章编号:1001-2443(2015)05-432-05