企业财务危机预警的智能决策方法探微

刘立斌

【摘要】企业发展运营的过程中，企业危机最为综合的体现便是财务危机。随着我国证券市场的发展，企业各项制度不断完善，财务危机必然会给企业带来重要损失，影响到企业的生存和发展。因此，现阶段企业发展中，财务危机预警成为急需解决的问题。以往财务危机预警中，采取的危机预警方式比较单一，存在一定的问题和不足。信息化时代背景下，人工智能技术不断发展，需要从人工智能角度思考企业财务危机预警方式。

【关键词】企业财务  危机预警 智能决策方法

目前，我国市场经济发展的背景下，企业内部改革不断深入，经济全球化的发展给企业一体化发展带来机遇。在激烈的市场竞争中，不少企业由于缺乏创新能力和管理能力被逐渐淘汰。在劲烈的市场环境中，对客观环境缺乏深入的认知，导致企业面临着更加的风险，出现经营失败的危机。财务危机是企业危机的首要体现，结合企业财务危机预警问题，提出几点智能决策方式。

一、人工智能单分类器财务危机预警方法

此类型的财务危机预警方法的基础是机器学习预警，构建相应的财务危机预警模型，将预测结果向管理人员发出预警，以单分类器预测结果作为基础，提高财务危机预测效果。企业财务危机预警决策方法主要有三角人工智能单分类技术：遗传算法优化决策树财务预警方法，以支持向量机作为基础的财务危机预测方法和相似度加权投票组合危机预测方法。

第一，遗传算法动态优化决策树财务危机预测方法。在传统的统计方法中，受到各方面的限制出现一定的问题，采取决策树归纳学习方法，发掘企业财务危机预警预测知识，。决策树方法不会受到统计方法的限制，具有速度快、简单易用等优势。从备选属性集合中搜索相应的决策树输入属性自己，对遗传算法进行优化，实现决策树的优化。借助遗传算法的动态化优势，完善财务危机预测方式，克服传统决策树应用中的困难，构建预测准确率作为目标的动态化决策树。遗传算法动态优化决策树的财务危机预测方法的流程如下：群体初始化→适应度评价→选择操作→交叉操作→变异操作→替代操作→终止条件判断→最优决策树。

第二，以支持向量机为基础的财务危机预测方法。在对此方法研究中，需要对支持向量机原理进行探究，主要有线性支持向量机和非线性支持向量机两种方式。在线性支持向量机的探究中，SVM是以线性可分作为基础，不断发展和演变的。方框点和圆点代表着两种类型的雅本，中间的实线表示为分类线。非线性支持向量机是以非线性函数作为基础思想，构件想换个的高维度空间，在空间变化的过程中，借助线性模型，明确非线性最大间隔超平面。支持向量机财务危机预测方法的流程如下：选择核函数→确定模型参数→构建SVM模型→预测财务情况。

第三，相似度加权投票组合k近邻案例财务危机预测。在CBR思想的基础上，提出相应的财务预测方法，对已经发生的相似企业案例进行分析，对企业当前财务状态进行预测。在设计的过程中主要有三个步骤：首先，需要明确案例中需要的重要特征，采取相应的描述方法构建相应的案例库。其次，结合特征数形和案例检索方式，获取和当前案例相似的以往案例;最后，结合相似案例的类比数形，对当前企业案例财务情况开展相应的分析和预测工作，获得有效的结果。

二、多分类器组成为基础的财务危机预警方法

单分类器财务危机预警方法中可能出现片面性和不缺性性的问题，加强多分类器组合财务危机预警方法研究弥补这一问题，深入思考这一问题采取相应的组合机制，对企业财务危机开展组合预测，确保财务危机预测的准确性和稳定性，财务危机预警工作顺利开展。多分类器组合的财务危机预测方法主要有并联组合预测、串联组合预测和混合组织预测。

第一，并联组合模型。财务危机预测中国多分类并联组合模型中，主要有若干基本分类器和一个并联组合器，每个基本分类器完成财务危机预测，借助并联组合器完成预测结果的整合，最终得到财务危机预测结果。在此种财务危机预警方法中，每个基本分类器预测见过是不同的信息片段，采取不同的方式获取相应的信息内容，避免出现片面性问题，保证预测更加的稳定准确。

第二，串联组合模型。在此种模型中主要包含有基本分类器以及总体分类器。在财务危机预测中，将财务情况输入其中，坚持模型中的原则，将识别结果作为组合结果。在此模型中根据相应的次序连接基本分类器，每个基本分类器执行财务危机预测工作。财务危机预测的多分类器串联组合模型，借助相应的经验提高识别能力，得到相应的识别结果。

第三，混合组合模型。此种模型的基礎是串联和并联模型，充分发挥两个模型的优势，保证财务危机组合预测结果，构建财务危机预测混合组合模型。从整体上来说，财务危机预测多分类混合组合是串联结构，每个串联模块的内部采取并联结构形式，集合并联和串联的优势，避免单个基本分类器的不稳定和不确定问题。从理论上来说，采取多样化的方式做好财务危机预测工作，保证财务危机预测更加的准确和稳定。

三、以群决策作为基础的财务危机预警方法

在企业财务危机预警方法中，以机器学习作为基础，采取定量测量的方式，开展财务危机预警工作，具有动态化、高速化以及自动化的特点，同时也具有一定的局限性，对专家经验和非财务信息预警作用缺乏考虑。因此，需要开展深层次的研究，如何有效利用专家经验和知识，为企业财务危机预警提供服务。群决策财务危机预警方法主要是多个专家对财务危机因因素和财务情况进行分析，判断企业的财务危机可能性，开展定性指标体系和评分标准，确定定性指标权重，财务危机可能性的灰色综合评价等，借助此种财务危机预警方法可以完成相应的财务危机预警目的，为防范工作提供解决方式。定性指标权重是重要的环节，权重确定主要有主观赋权和客观赋权两种方式，结合专家的财务危机预警经验，明确财务危机预警指标，做好定性指标权重的分析。层次分析法是一种常用的方式，多个专家共同确定指标权重，在两个环节基础上综合判断结果，第一，判断矩阵的权重计算;第二，对最终结果进行统一处理。在群决策环节，不同的专家之间对指标的重要性存在分歧，为了更好的解决专家共同确定指标权重的问题，通过相应的专家小组进行协商，采取有序加权平均的方式，对各类信息进行综合。

四、结语

文章中对企业财务危机预警决策开展有效的分析和探究，根据财务危机预警理论知识，研究相应的智能化结果，采取综合性的研究方式，对财务危机预警深入研究。通过深入的分析和研究，不断丰富企业财务危机预警理论成果，根据企业实际情况指导财务危机预警工作，在财务危机爆发的初级阶段，根据财务指标对财务危机预警进行探究，降低企业由于财务情况出现经营危机，提高企业竞争力。