基于BP-SVM算法的中大型企业财务危机预警系统

夏 瑶

(皖江工学院 国际教育学院，安徽 马鞍山 243000)

中大型企业在生产经营过程中，产生财务危机的原因有很多，包括外部环境的恶化、管理者的工作失控以及经营者出现的决策失误等[1].但是中大型企业发生财务危机都不是瞬间的，往往都会是一个逐渐显现并不断恶化的过程[2].因此，需要针对企业运营过程中存在的财务危机进行及时预警，并将潜在风险告知经营者，使企业提前采取应对策略，避免给企业造成财产损失[3].

在国内的研究中，郑立等人以上市公司为研究对象，利用财务危机形成的基本原理，分析了影响财务危机的因素，将最小二乘法与粗糙集理论融合在一起，针对企业面临的财务危机提出了一种预警模型[4].李辰杰考虑到企业财务危机判断受到财务欺诈的影响，将反欺诈指标与深度神经网络结合，基于动态财务指标，提出了一种预测模型[5].

基于以上研究背景，本文利用BP-SVM算法针对中大型企业设计了财务危机预警系统，从而避免中大型企业发生财务危机.

1 系统硬件设计

1.1 数据采集传感器

通过对比市面上的各种相似传感器，发现数据采集器之间的基本原理几乎一致，都是将采集到的数据转换成模拟电压信号[6].半导体是财务危机数据采集传感器的主要材料，当它识别到财务危机数据时，随着数据危险指数的增加，传感器的电导率越来越高.本文选择的是NP92V5T型号的传感器，具有比较高的灵敏度，并且可以在复杂的环境中工作.财务危机数据采集传感器的内部电路如图1所示.

图1 财务危机数据采集传感器内部电路图

1.2 数据分类的CPU板卡

利用财务危机数据采集传感器获取的财务危机数据比较复杂，通过设计中大型企业财务危机数据分类的CPU板卡，对财务危机数据进行分类，便于后期的预警.本文选择TB-75MUB型号的处理器作为财务危机数据分类的CPU板卡，为了确保财务危机数据分类处理芯片与CPU板卡的匹配，采用总线协议芯片控制CPU板卡电路，企业财务危机数据分类的CPU板卡内部结构如图2所示.

图2 企业财务危机数据分类的CPU板卡结构图

在图2中，通过在CPU核心处理器的接口处搭载一个以太网控制器，提高CPU核心处理器对财务危机数据的分类效率.

1.3 财务危机报警器

中大型企业财务危机报警器采用LED指示灯和无源蜂鸣器对存在危机的财务数据进行报警，蜂鸣器的报警原理是将财务危机信号转换成方波，通过单片机的接口输出一个时钟信号[7-8]，从而控制蜂鸣器报警.中大型企业财务危机报警器工作原理如图3所示.

图3 中大型企业财务危机报警器工作原理

2 系统软件设计

在中大型企业财务系统中，将数据采集传感器的财务数据定义为M，利用BP-SVM算法描述中大型企业的财务数据，表示为：

M=|oi|i∈M∣

(1)

oi=(Si,ϑi)

(2)

上式中，oi表示中大型企业的财务数据，Si表示财务数据的元素标识，ϑi表示财务数据的特征值.

当财务系统中的某一类型数据存在危机时，就需要对财务数据库进行一次更新，即：

U[oi]+[w]=ϑi

(3)

其中，U[oi]表示元素标识oi的统计量，[w]表示中大型企业财务数据的开放空间.

根据以上过程，通过识别中大型企业财务数据中，发生变化的元素标识，对财务危机数据进行分类，从而检测中大型企业财务系统是否存在异常行为.

定义中大型企业财务危机数据的类别为L(i)，利用BP-SVM算法计算出财务危机数据的聚类中心，即：

(4)

上述公式中，K(i)表示财务危机数据的类别数量，γi表示BP-SVM算法的初始数据中心.

根据公式(4)得到的聚类中心，对BP-SVM算法的扩展宽度进行初始化处理，公式为：

(5)

其中，Lmax表示聚类中心之间的最大距离，J表示财务危机预警的聚类类别数.

利用经过宽度扩展后的BP-SVM算法，对财务危机数据进行自适应分类，则存在：

(6)

基于财务危机数据的类别，检测中大型企业财务系统的异常行为，即：

(7)

3 测试分析

3.1 实验数据集

本文选择Q企业为实验测试对象，该企业的财务组成包括生产制造模块、销售模块以及其他模块，每一个模块都会存在财务正常和财务危机，其数据分布如表1所示.

表1 企业财务数据

3.2 性能测试

在性能测试中，以系统的运行时间为自变量，利用吞吐量指标和预警精度指标，衡量中大型企业财务危机的预警性能.为了突出文中系统的优势，引入基于RS-LSSVM的预警系统和基于动态财务指标和反欺诈的预警系统作对比，得到了如图4和图5所示结果.

图5 财务危机预警精度测试结果

从图4的结果可以看出，三个预警系统都将运行时间控制在30 s之内进行的实验测试，预警系统的网络吞吐量随着运行时间的增加而增加，但是采用基于BP-SVM算法的中大型企业财务危机预警系统获取到的网络吞吐量是最大的，在800 bps～1 000 bps之间.采用基于RS-LSSVM的预警系统和基于动态财务指标和反欺诈的预警系统时，随着系统运行时间的增加，网络吞吐量虽然也在逐渐增加，但是远远低于文中系统，说明文中系统在吞吐量方面的性能可以满足用户要求.

图4 系统吞吐量测试结果

图5的结果显示，采用基于BP-SVM算法的中大型企业财务危机预警系统时，能够准确对财务危机进行预警，提前采取相应措施降低财务危机带来的损失，财务危机预警的最大精度达到了97%；而基于RS-LSSVM的预警系统和基于动态财务指标和反欺诈的预警系统时，虽然可以提高预警精度，但是财务危机预警精度范围分别为65%～78%和79%～87%.

4 结语

本文提出了基于BP-SVM算法的中大型企业财务危机预警系统设计与实现，经系统测试发现，该系统在财务危机预警中的功能和性能可以满足用户的要求.但是本文的研究还存在很多不足，在今后的研究中，希望可以考虑到财务危机数据的质量对预警精度的影响，先对财务危机数据预处理，去除数据中含有的噪声，从而提高预警精度.