聚類分析在高校財務風險評價中的應用

黃月 高學東

[摘 要] 財務風險分析評價問題是高校財務分析的重要內容。目前對財務數據的主要分析方法仍是簡單的查詢和統計報表，如何利用數據挖掘技術對隱藏在財務數據中的知識進行挖掘值得研究。本文針對高校財務月報數據，首先提出高校財務風險評價指標體系，從運營能力、收益能力、償債能力和發展潛力4個方面對高校財務風險進行分析，然后利用聚類分析方法對高校財務風險等級進行評價，最后對教育部直屬高校在某年某月的財務數據進行了實例分析。

[關鍵詞] 高校財務分析；財務風險評價；數據挖掘；聚類分析

doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2014 . 08. 002

[中圖分類號] TP391；F275.1 [文獻標識碼] A [文章編號] 1673 - 0194（2014）08- 0005- 05

1 引 言

隨著社會主義市場經濟體制的逐步確立，高校逐步融入市場，出現了高校銀行貸款規模過大、學生學費欠費數不斷增加等問題，可能會引發高校的財務危機。由于高等教育的準公益性、準公共性和高校的非營利性的特征決定了政府是其最終的責任承擔者。對高校財務風險進行分析，即對高校負債狀況和對財務風險的承受能力以及其事業發展的能力進行的綜合評價，不但是高校財務分析的重要內容，也是避免高校財務危機和保證學校教育事業健康發展的重要手段。

目前研究主要采用定量分析方法對高校財務風險進行評價，常用的評價方法有：綜合評分法[1]、層次分析法（AHP）[2]、因子分析法[3]、功效系數法[4]和數據挖掘方法[5]等。隨著高校財務月報系統數據的逐步積累，利用數據挖掘方法可以幫助發現和有效利用財務數據中隱含的業務運行規律知識，為教育部和財政部相關主管部門提供快速準確的決策支持。聚類分析[6]作為一種常見的數據挖掘方法，由于不需要先驗知識，因而可以用來發現數據庫中未知的對象類，應用十分廣泛。

本文針對高校財務風險評價問題，提出了一個高校財務風險評價指標體系，計算了教育部直屬高校在各指標上的具體取值，然后利用k-means聚類分析方法根據各高校的指標取值情況確定高校的財務風險等級。

2 高校財務風險分析指標體系

無論采用何種分析方法，高校財務風險分析主要是基于一系列財務指標進行的，因此設計一個科學的、客觀的評價指標體系十分重要。本文將從指標體制設計框架和指標體系具體構成兩方面進行闡述。

2.1 指標體系設計框架

本文按照高校財務實際運行過程，從4個方面對高校財務風險進行分析，具體如圖1：①高校運營能力，反映高校在運營過程中高校合理有效利用教育資源完成預期目標的能力，這類指標不理想，表明高校管理存在問題，有發生財務風險警情的可能性；②高校收益能力和③高校償債能力，由于高校在運營一段時間后，可能在運作資金的過程中進行銀行貸款等操作導致財務風險，高校收益能力分析和高校償債能力分析就是分別反映高校在運行一段時間后所體現的取得經濟效益的能力和高校償付各種到期債務的能力；④高校發展潛力，根據高校運行一段時間的表現，分析高校的發展潛力，反映了高校可持續發展的能力，一個學校發展潛力不足，說明其未來財務風險將會加大。高校財務風險評價則是根據高校在上述4個方面的表現，將高校財務風險進行等級劃分。

2.2 指標體系具體構成

針對高校財務風險的每一個分析子主題從指標名稱、指標含義、計算公式和指標評價4方面進行描述。其中，指標評價為“正向指標”表示該指標值越大表明高校在該分析主題方面表現的能力越強，反之則越弱；“反向指標”表示指標值越大表明高校在該分析主題方面表現的能力越弱，反之則越強。

2.2.1 高校運營能力分析

高校運營能力分析是指對高校利用教育資源完成預期目標能力的分析（表1）。

2.2.2 高校收益能力分析

在高校規模快速擴張，事業發展與資金供給矛盾突出的今天，經營學校已成為高校管理者的共識。因此，一個學校收益能力大小，將直接影響到其發展速度和競爭能力（見表2）。

2.2.3 高校償債能力分析

高校如果不具備較高的償債能力，其應付突發事件的能力就很脆弱，發生財務風險的可能性也就較高（見表3）。

2.2.4 高校發展潛力分析

高校管理者不能只局限于當前學校的發展狀況，還應為長期的辦學規模擴大和經濟效益增長儲備良好的支撐條件，提供持久的發展潛力（見表4）。

3 實例數值分析

3.1 聚類原理

聚類（Clustering）是數據挖掘的一項重要任務，用于發現數據中未知的對象類。[6]這種對象類劃分的依據是“物以類聚”，即考察個體或數據對象間的相似性，將滿足相似性條件的個體或數據對象劃分在一組內，不滿足相似性條件的個性或數據對象劃分在不同的組。通過聚類過程形成的每一個組稱為一個類（Cluster）。

現有聚類方法主要可以分為分割聚類方法、層次聚類方法、基于密度的聚類方法和基于網格的聚類方法4類。[6]其中，分割聚類方法是聚類最常用的一種方法，首先隨機選取幾個對象作為聚類的原型，然后迭代將對象加入與其最相似的原型所在的類，直到滿足某種條件為止，應用最為廣泛的聚類方法是k-means方法。

3.2 實驗準備

實驗數據來自教育部直屬高校財務月報系統，該系統是教育部進一步加強財務管理、推進教育財務管理信息化步伐、加快實現教育財務管理現代化的重要舉措，通過該系統可以更方便及時地了解直屬高校的財務狀況和經費收支情況，更便利地進行各種數據匯總和財務分析工作，為教育部財務日常管理和科學決策提供了有力支持。

本實驗使用SQL Server按照高校財務風險指標計算公式，計算得到76所教育部直屬高校2011年6月份在各個指標方面的取值情況，然后利用SPSS Clementine軟件提供的k-means方法，根據高校在財務風險4個方面的指標取值情況，對高校進行聚類。Clementine不但可以對對象進行聚類，也可以顯示各聚類變量的均值是否存在顯著差異[7]，有助于增強聚類結果的可解釋性。“三分法”是經驗分析中常用的方法，因此本實驗將聚類個數設定為3類，旨在獲得高、中、低3類。

3.3 實驗結果分析

首先，根據直屬高校該月在高校財務風險4個方面指標取值情況，分別對4個子分析主題進行聚類（見表5）。

以高校運營能力分析為例，根據高校在其6個指標的取值情況，聚類得到第一個類包含71所學校，第二個類包含1所學校，第三個類包含4所學校。進一步查看各指標在各類的取值情況，顯示對于高校運營能力聚類，各個高校在“經費收入支出比率”“公用經費支出占事業支出的比重”“固定資產增長率”指標上的取值差異對聚類結果作用不大，而在“經費自給率”“自籌經費收入占總經費收入的比重”“投資基金占事業基金的比率”指標上的取值差異對聚類結果影響較大，因此進一步查看各高校在這些對聚類結果影響較大的指標上的平均取值，可以看到，聚類-1包含的高校普遍經費自給率較低（0.14）、自籌收入占比一般（0.07）、對外投資風險較小（-0.02），聚類-2包含的高校普遍經費自給率一般（0.22）、自籌收入占比一般（0.07）、對外投資風險過高（42.44），聚類-3包含的高校普遍經費自給率比較高（0.49）、自籌收入占比較高（0.17）、對外投資風險較小（-0.25）。因此，綜上分析，聚類-1代表高校財務運營能力“中”，聚類-2代表高校財務運營能力“低”，聚類-3代表高校財務運營能力“高”、財務風險最小。

同樣，采用類似的方法對其他3方面分別進行聚類分析。其中，根據各高校在收益能力3指標的取值情況，聚類得到第一個類包含73所學校，第二個類包含1所學校，第三個類包含2所學校，其中“資產收入比率”和“凈資產收入比率”的取值差異對聚類結果影響較大；根據各高校在償債能力7個指標的取值情況，聚類得到第一個類包含23所學校，第二個類包含27所學校，第三個類包含26所學校，并且除“流動比率”指標外，其余各指標的取值差異均對聚類結果影響較大；根據各高校在發展潛力5個指標的取值情況，聚類得到第一個類包含29所學校，第二個類包含43所學校，第三個類包含4所學校，除“其他資金動用程度”外，其余各指標的取值差異對聚類結果均影響較大。

最后，仍采用同樣的方法，根據各高校在個財務風險指標上的取值情況進行聚類（此時評價中“正向指標”表示值越大發生財務風險的可能性越大，“反向指標”表示值越大發生財務風險的可能性越小）（見表6）。結果第一個類包含35所學校，第二個類包含4所學校，第三個類包含37所學校，分析可知，聚類-1代表高校財務狀況較好、發生風險等級“低”，聚類-2代表高校財務風險“高”，聚類-3代表高校財務發生風險等級“中”。最后將財務風險分析4個方面和財務風險分析結果進行比較，可以發現財務存在風險的高校。

4 結 論

本文針對高校財務風險評價問題，提出了一個高校財務風險評價指標體系，從高校運營能力、高校收益能力、高校償債能力、高校發展潛力4方面對高校財務風險進行綜合評價，在此基礎上，利用聚類分析方法根據各高校在各指標上的取值情況對高校財務風險進行分類，從而獲得高校財務風險等級情況。由于本文僅是針對高校某年某月的財務風險情況進行分析，考慮到高校財務狀況也會根據時間變化，因此下一步研究將根據高校在一時間段內的財務情況序列對高校財務風險情況進行分析。

主要參考文獻

[1]岳正華，蔡彬. 基于綜合評分法的高校財務風險評價分析[J]. 四川教育學院學報，2010，26 （12）：9-11.

[2]張文耀. 基于層次分析法的高校財務績效評價[J]. 西北大學學報：哲學社會科學版，2009，39（4）：116-118.

[3]黃文雅，周娉. 因子分析法在高校財務風險評價中的應用[J]. 湖南工程學院學報：社會科學版，2008，18（1）：13-16.

[4]黃海波， 劉飛虎. 基于功效系數法的高校財務風險警情測度模型研究[J]. 哈爾濱商業大學學報：社會科學版，2011（2）：86-90.

[5]趙春. 基于數據挖掘技術的財務風險分析與預警研究[D].北京： 北京化工大學，2012.

[6]武森，高學東，[德]M·巴斯蒂安. 數據倉庫與數據挖掘[M]. 北京：冶金工業出版社，2003.

[7]薛薇，陳歡歌. Clementine數據挖掘方法及應用[M]. 北京：電子工業出版社，2010.