试论企业财务管理中的风险预测及处理<br/>——基于优化的BP神经网络算法

试论企业财务管理中的风险预测及处理
——基于优化的BP神经网络算法

2018-10-12王海峰

中国注册会计师 2018年9期

王海峰

一、引言

21 世纪是一个信息高度发达和快速传播的时代，作为最重要微观市场主体的企业，其总体规模的扩大、经营管理模式的创新、社会经济效益的提高，都离不开对企业财务信息的高效管理。企业财务信息已被经济学界的专家和学者公认为继原材料、资产、劳动力和资本之后最为重要的企业生产力构成要素。包括我国在内的大多数国家都将信息产业列为未来重点扶持产业。作为企业来讲，持有的财务信息也是一种十分重要的战略资源，准确地掌握企业内部、外部财务完整有效的财务信息，是企业未来赢得市场竞争的重要条件和基础。从企业的管理职能来看，企业日常生产经营活动的计划、组织、协调、控制，都需要以财务管理信息为基础，因此企业财务信息的管理活动是企业财务管理行为，乃至整个企业运营的核心环节。

企业所掌握的财务信息具备有限性和非均衡性的特征，受到各种技术条件和技术手段的约束和限制，企业获取完整、有效的财务管理信息是十分困难的；对于企业主体而言，财务管理信息的认知能力、企业本身的经济实力、信息获取途径和管理能力、以及掌握有效信息资源的数量等都不尽相同，因此在微观市场中，企业财务信息的分布具有明显的非均衡性，企业在信息的管理过程中也会面临各种风险。在这样的背景下，对企业经营管理过程中所面临的各类财务管理信息的风险程度进行准确预测，才能剔除运营过程中的各种不利因素，降低企业的经营风险。信息时代，高效完整的财务管理信息己成为企业重要的战略资源。提高企业内部、外部财务信息的质量，实现对企业财务管理信息的准确预测，能够最大限度地降低运营中的各种风险，增加未来期间的收益。

市场经济条件下，财务风险是客观存在的，并贯穿于生产经营整个过程。要完全消除风险及其影响是不现实的，重要的是要全面分析财务风险，及早发现那些可能导致财务状况恶化的早期信息，将影响企业获利能力甚至危及生存的问题控制在可解决的范围内，并随时对可能引发危机的种种现象进行预警，因此，研究和构建财务信息管理风险预测模型就显得尤为必要。

表1 财务信息风险管理指标体系

二、风险财务信息管理模式及功能

国际上关于企业风险财务信息管理模式的研究理论，主要有“四阶段论”和“五阶段论”两种主流观点。其中“四阶段论”的观点强调技术因素在企业财务信息管理中的推动作用，包括财务信息管理的物理控制阶段、自动化技术管理阶段、信息资源管理结段和知识管理阶段。而“五阶段论”的观点尽管论述的内容没有“四阶段论”详尽，但在财务信息管理的论述方面更接近于企业实际运营过程中的真实情况，清晰地展现了以企业财务信息管理为先导的财务理念，将企业的财务信息、战略信息、管理信息、行政信息等进一步地整合，最终将企业的全部财务管理信息集中并统一管理。“五阶段论”的主要观点包括数据统计阶段、信息处理阶段、财务信息管理系统阶段、终端用户管理阶段和信息资源管理阶段。

尽管在细节和财务管理对象方面不同，企业财务信息管理也包含在现代管理学范畴之内，因此企业财务信息管理的模式与现代管理学的发展模式相同。从管理模式分类的角度来分析，企业财务信息管理是企业财务活动与现代信息管理行为的交集，这种管理模式主要是通过信息技术的更新和完善，来不断地优化财务治理环境和财务管理体系。利用现代信息技术的溢出效应，来不断地提高企业财务信息管理的效率，降低财务信息管理的风险。

从企业财务信息管理的功能性来分析，财务信息管理是财务治理活动与财务管理活动的整合。财务治理和财务管理行为在主体、职能和目标方面具有明显的不同，不可以互相替代。财务治理的主体包括企业全部的利益相关者，而财务管理的主体是董事会和企业的管理层；财务治理的终极目标是实现企业所有者、债权人及企业的其他利益相关者的制衡，而财务管理的终极目标是实现企业利益的最大化。

在企业进行风险财务管理过程中，由于外部市场环境及内部管理体制等变化，会面临多重风险，需要对企业面临的财务风险进行预警和识别。

表2 各年逐步回归变量结果

三、基于优化BP神经网络的财务信息管理风险预测模型

（一）理论分析

1.风险识别

对财务风险的识别是对其进行防范、应对的首要环节。只有及时并准确发现和判别公司的财务风险，用一定的度量方法计算风险发生的概率以及导致的损失程度，才能够为公司进行风险防范作出的决策以及选择怎样的技术提供有力的支撑。

管理人员需要识别的风险，不仅包括已经显现出来的风险因素，还包括那些没有表露出来的风险因素。通常情况下，对于后者情况的识别更困难，而且也更为重要。风险识别程序需要在公司的多个业务层级实施。有的风险可能对某些业务单位或者相关的业务有影响，但是却不一定会对整个公司的生产运营产生影响。对整个市场经济主体产生影响的风险会分流至每一公司以及其独立进行的业务单位。

进行风险识别是对公司财务风险进行防范、控制等的第一步，只有深入调查研究其所处的外在环境和内在环境，才能判断出其生产营运和发生的财务活动将有可能出现什么样的状况，或者将会有哪些风险发生并导致发生损失。在此前提下，才能进行财务风险的度量、评估以及应对。对一个公司而言，进行风险识别是一项有制度并且连续的工作，是整个财务风险防范、控制工作的基础步骤。

2.BP神经网络算法

企业财务信息管理所产生的风险，源于企业的日常经营管理活动之中，企业的经营管理能力、债务偿还能力、当期的盈利能力以及在未来期间的成长能力，对于财务信息的管理、风险预测都会产生十分重要的影响。企业财务信息风险的预测可以通过不同的财务指标展现出来，考虑到企业相关财务数据的可获得性，并充分结合我国企业财务信息风险管理的现状，选定若干财务指标，作为风险评价的标准，基于BP神经网络算法，构建财务信息管理风险预测模型，将设定的指标数据输入神经网络模型，对企业财务信息管理过程中遇到的各种风险进行模糊识别，并降低给企业带来的不利影响。

BP神经网络算法是一种模拟人脑工作的多层前馈神经网络问题处理方法，具有一种多维函数映射能力和对复杂模型的分类能力，实现一种从输入到输出的非线性映射。神经网络模型的结构具体包括输入层、隐含层和输出层，采用梯度下降法求解目标函数的最小值。BP神经网络模型具有一定的数据并行处理、存储和学习能力，将选定的企业运营指标数据作为输入项，输入神经网络模型，能够识别出企业财务信息管理所面临的各种风险。

（二）模型构建

企业财务信息管理过程中BP神经网络风险预测模型的主要工作流程是将正常数据指标的学习信号正向传播，而将风险误差反向传播。将企业的经营管理能力、债务偿还能力、盈利能力及成长能力的各个指标数据作为输入项输入BP神经网络模型，样本数据从输入层导入，在隐含层经过大量的模糊规则运算，识别出各个指标数据的风险项，并通过输出层导出，使网络输出值趋近期望的输出值，如此循环反复直到达到期望的输出值。令输入神经网络风险评测模型的指标向量集合为X：

那么输出的向量集合可以表示为Y:

如果假定wi是从指标数据输入层到中间隐含层的权值，k为中间隐含层中所包含的神经元的数量，xi为中间隐含层的阈值，则隐含层所包括的各个神经元输入kj，可以表示为：

如果企业财务信息管理风险预测模型中的传递函数为：

此时中间隐含层的输出单元λi可以描述为：

经过隐含层的模糊运算筛选和处理后的指标数据到达输出层，输出层神经元的输入项和输出项分别为：

其中，vjt是从中间隐含层到输出层的权值，表示输出层的阈值。企业财务信息管理过程中BP神经网络风险预测模型，一方面能够提高对于财务信息管理风险的识别精度；另一方面该模型还可以控制风险识别误差在模型中的反向传播，单个风险样本误差为：

风险预测模型系统的总体误差为：

为了降低企业财务信息管理风险模型中各个节点的计算误差，并修正网络权值和阈值，需要降低单个样本误差值：

上式中为模型的学习率，表示为：

此时，风险预测模型隐含层权值修正量和阈值修正量可以分别描

述为：

表3 多重共线性检测

表4 LPM风险预测模型回归结果

表5 基于BP神经网络风险预测模型回归结果

表6 两种模型的指标对比

基于上述完整的BP神经网络模型计算，能够按照要求识别出输入层、中间隐含层和输出层的信息风险指标权值和阈值范围，完成一次训练。在反复的学习和训练过程中，输出结果极容易陷入局部最优，为消除这一不利因素的影响，本文利用粒子群算法强化模型的收敛能力，提高财务管理风险识别算法的鲁棒性。利用粒子群算法适应度函数来分别求解每一个计算过程的适应度，并降低BP神经网络信息管理风险识别过程中的训练误差。为了寻找全局中的最优值，要赋予BP网络模型以最优的初始权值及阈值，实现企业财务信息管理过程中风险的预测与控制。确率方面难以满足企业财务管理的要求，本文基于BP神经网络算法构建了更为有效的财务风险管理预测模型，实证研究结果表明本文设计的风险预测模型，具有更高的风险预测准确率，实际应用效果更好。