基于群体智能算法优化的企业ROA与EPS预测模型研究

林建邦 王天

摘要：《中国制造2025》的正式出台，使得强国目标已由“中国制造”向“中国智造”转型，也意味着新的“智能科技时代”已然到来。然而，由于中国智能科技发展起步较晚，如何找出评估智能科技企业运营指标与模型，是目前最重要的课题。文章提出以果蝇演算法分别优化企业的ROA与EPS的预测模型，并筛选出对预测模型有显著影响的财务指标。结果表明，果蝇演算法对于优化企业运营能力的ROA模型与EPS模型有显著的效力，证明果蝇演算法在实际的企业运营能力预测中能够有效提高效力；并且，FOA-ROA模型又相对比FOA-EPS模型的预测能力佳。

关键词：果蝇优化演算法；智能科技；运营能力；预测模型

1.前言

2015年5月，中国国务院正式发布了《中国制造2025》规划，对于中国制造业的发展重新进行战略的部署，强国目标已由“中国制造”向“中国智造”转型，智能科技将成为企业发展的重点方向。当前，中国智能科技产业营业收入虽逐年提升，然而，由于中国智能科技产业发展起步较晚，目前对于该产业运营能力的评估与预测也无具体的指标与模型，容易在产业高度发展的过程中出现无法控制的经营危机，影响产业持续发展。

有鉴于此，本研究采用学者潘文超（2011）提出的果蝇优化演算法（fruit fly optimization algorithm，FOA）进行预测模型优化，主要由于FOA的计算量较少，算法简单、全局寻优能力强，寻优精度较高、适用于优化模型参数且应用价值较高，过去在不同领域的应用比较上，FOA都有非常不错的表现。因此，本研究结合FOA优化中国智能科技企业运营能力预测模型的效力，建构出一套较适用于中国的智能科技企业运营能力预测模型，将有助于国内智能科技产业经营战略和健全体制的发展，对于企业运营具有更强的实用意义，同时，带动后续研究者进行更加深入和多角度的研究。

2.国内外相关研究

2.1智能科技企业运营能力预测指标

企业的运营能力即企业经营绩效，用以评估一定经营期间内，企业特定经营目标达成程度的高低，是衡量企业经营活动结果的综合性体现。由过去文献可知，在智力或技术导向的产业中，总资产报酬率（ROA）或每股盈余（EPS）是常被用于评估企业经营绩效的财务指标。然而，对于企业经营绩效有显著影响的变量基本由结构资本、流程资本涵盖，如总资产周转率、固定资产周转率、存货周转率等对企业绩效产生正向影响；而在进行科技相关企业的研究中均包含与研发投入相关之指标，如研发费用率、研发生产力、研发密集度等创新资本指标，研发投入越多，企业的绩效越好，竞争力越强。

2.2果蝇演算法应用相关文献探讨

果蝇演算法良好的优化效力已在不同的领域中被广泛应用，例如，通过优化不同预测模型的参数值，进行金融风险的预警与企业绩效的预测；提供对地区用电荷载能力的预测；基金投资回报率的预测；汽车零部件销售预测以及尖离峰时段的交通预测，其预测效力皆明显优于原预测模型；另一方面，FOA在与其他优化算法如遗传算法、鱼群算法、免疫算法、和声算法、人工蜂群或混合蛙跳算法的比较中，也均表现出更好的优化性能。

国内的智能科技产业属于较新兴的产业，在过去的相关研究中，很少有学者将FOA能科技产业并对企业运营能力进行预测。因此，本研究尝试通过FOA优化预测模型的参数，构建中国智能科技企业运营能力预测模型，提高对企业运营能力的预测能力，为智能科技产业的发展提供具有参考性的运营建议，使其更稳定快速地发展。

3.实证研究

3.1样本数据与变量

本研究通过国泰安数据库筛选2006-2016年中国智能科技企业财务数据，共计2 554笔。由于智能科技企业属于智力及技术导向的企业，本研究以文献中最常用的ROA与EPS作为应变量。预测模型的自变量则主要选取结构资本、流程资本与创新资本所涵盖之指标，其中包含：应收账款周转率、存货周转率、固定资产周转率、总资产周转率、营业净利率、管理费用率、研发费用、研发费用率、研发生产力，并进一步筛选出有显著影响的自变量。

3.2影响预测运营能力的显著指标

本研究首先采用多元逐步回归方法，分别建构ROA与 EPS的运营能力预测模型，并筛选出显著自变量。由表1可知，在两模型中的显著变量基本包括“固定资产周转率”“总资产周转率”及“研发生产力”，是相对重要的显著指标。

3.3果蝇演算法优化模型对比分析

本研究采用FOA分别优化ROA与EPS回归模型的参数，初始设定均为5个果蝇群体，随机初始化果蝇群体位置区间为[0，1]，迭代的果蝇搜寻食物的随机飞行方向与距离区间为[-1，1]，设定最高迭代次数为100。

由表2可知，经由FOA迭代的寻优后，ROA回归模型RMSE值为0.002，最佳预测模型在固定资产周转率、总资产周转率及研发生产力的优化参数分别为0.039、0.038、0.039；EPS回归模型RMSE值为0.006，最佳预测模型在固定资产周转率、总资产周转率及研发生产力的优化参数分别为0.037、0.038、0.038，证明FOA在优化预测模型上有非常好的效果，且FOA-ROA预测的RMSE相对优于FOA-EPS，可优先选择FOA-ROA作为中国智能科技企业运营能力的预测模型。

结论

中国智能科技产业高速发展的同时，更需要明确的适用指标或模型来对企业运营能力进行预测及战略指导。本研究通过数据库获得的样本财务指标，进行中国智能科技企业运营能力预测模型建构，并采用FOA分别优化ROA与EPS多元回归模型。研究结果显示，经由FOA优化后的两种模型预测效力明显获得提升，预测误差降幅皆高达99%以上。

本研究得出适合中国智能科技企业运营能力的预测模型（FOA-ROA）中，显著的变量为“固定资产周转率”“总资产周转率”及“研发生产力”。 由此可知，对企业固定资产及整体资源的营运能力越强、效率越高，对企业经营绩效的提升越有利；而对于智能科技企业而言，能够通过研发投入开发生产出迎合市场需求之产品或服务，有效化企业研发开支的产出，对于企业的整体价值的提升将具有重要的推动作用。

参考文献：

[1]潘文超.应用果蝇优化算法优化广义回归神经网络进行企业经营绩效评估[J].太原理工大学学报（社会科学版），2011，29（4）：1-5.

[2]吳小文，李撃.果蝇算法和5种群智能算法的寻优性能研究[J].火力与指挥控制，2013（04）：18-19.

[3]WANG W Y，CHANG C F. Intellectual capital and performance in causal models[J].Journal of Intellectual Capital，2005，2（6）：222-236.

[4]盧彦儒.台湾IC设计产业智慧资本对经营绩效影响之研究[D].台湾：交通大学，2011（18）

[5]VENKATRAMAN N， RAMANUJAM V. Measurement of business performance in strategy research： a comparison of approaches [J].Academy of Management Review，1985，11（4）：801-814.

[6]SVEIBY K E.Measuring intangibles and intellectual capital- an emerging first standard[J].Knowledge Management： Classic and Contemporary Works，2001：344-436.

[7]王文英，张清福.智慧资本影响绩效模式之探讨[J].会计评论，2004（39）：89-117.

[8]欧进士.我国企业研究发展与经营绩效关联之实证研究[J].中山管理评论，1998，6（2）：357-386.