基于XBRL的財務診斷研究*

廣西大學商學院 梁戈夫 龐大蓮 肖 翊

一、引言

網上施診需要適當的網絡工具的支持。在Web 2.0的概念下，不需通過服務器瀏覽下載僅通過P2P（peer-to-peer－伙伴對伙伴）即可直接進入對方的計算機交換文件，不打開網頁即可得到RSS閱讀器輸出的網頁內容。這無疑為實施網絡診斷創造了良好的條件。而在語義技術下的Web3.0，不僅結構化數據集，包括半結構化甚至零散的數據內容都能以RDF和OWL語義格式的形式普遍存在。這時，互聯網轉化成為數據庫，并向智能化邁進。Web3.0將網上財務施診帶入了可全面實施階段。

XBRL是Web3.0進行網絡數據化階段的一個部分。XBRL的應用不僅改變了企業財務信息的披露方式，給財務報告編制者、閱讀者以及信息監管者帶來了極大的便利，還會對其它領域產生深遠的影響。例如，采用XBRL的網絡財務報告模式，將給審計和財務會計環境帶來極大的改變，而XBRL的進一步發展和應用，也將推進網絡審計和網絡財務施診等新的手段和形式的不斷發展，使網上實施財務診斷趨于實現。XBRL作為財務報告形式的全面推廣，預示著財務網絡施診環境逐漸形成。但目前相關研究主要涉及網上審計及審計鑒證的質量和安全，較少涉及財務診斷和數據挖掘。實行企業財務的網上診斷，將面臨利用XBRL和網絡工具對會計報表以及更規范的相關信息進行數據挖掘，并且合理有效地進行評價判斷和生成診斷方案的任務。本文試圖從財務診斷中數據獲取及XBRL規范化、XBRL的運用與數據挖掘過程以及網上財務診斷與方案生成等方面進行研究。

二、XBRL運用于財務診斷的相關研究

（一）XBRL運用于審計評價的研究 審計評價研究是最接近財務診斷的相關研究。Rezaee（2001）等學者都認為，一旦XARL基礎建立，連續實時審計將成為可能。因此必將要求新的審計準則、審計方法與程序、審計服務模式。Boritz與No（2003）對XBRL運用于審計進行了一定深入的研究，他們提出將XBRL轉換為可擴展的驗證報告語言（XARL），而這時對XBRL格式財務報表的審計不僅包括對財務報表項目的審計，更重要的是對信息系統的審計。

國內學者姜玉泉等（2004）介紹了XBRL在網絡審計上的可能應用，認為XBRL網絡審計將改變追溯舊數據來檢查被審單位在過去財務狀態和活動的情況，從而有可能實施實時審計和連續審計。認為XBRL改變了審計模式，使連續實時審計成為可能。張天西和高錦萍（2007）進一步認為，利用XBRL技術還可以提供更多的超過審計鑒證職能的咨詢和認證增值等服務。是由于審計的特點和專業的要求，在目前關于XBRL網絡審計的研究中，專門提出在審計過程對所使用的會計報表實施數據挖掘的較少，而更多的關注的是XBRL會計報表提供信息和數據的質量、可靠性和安全性。為了解決XBRL會計報表的質量安全性，一般提倡對會計報表的可靠性進行審計。呂志明（2011）構建了基于XBRL的審計流程，建議實行對XBRL實例文檔的一致性驗證、對報表數據進行邏輯校驗、風險評估和舞弊識別、審計報告的安全認證加密和數字簽名等流程。

（二）XBRL運用于財務診斷過程的研究 目前將XBRL運用于財務診斷，并且研究其診斷形式和方案生成過程的直接研究不多。瞿曉龍（2007）較早提出了將XBRL運用于財務診斷領域的想法。他認為按XBRL的應用規范，只要在財務數據或非財務數據上添加適當標記，施診者可以輕松獲取所需數據和信息，不管這些數據列示在財務報表中，還是數據庫里,甚至在文本文件中。從而大大拓寬了數據來源。并且主張使用杜邦體系來實現診斷方案財務施診過程。

（三）基于XBRL的方案生成與數據挖掘研究 由于XBRL在數據調用乃至生成相應方案上具有優越性，目前的研究多集中在如何將一般的會計信息轉換生成具有XBRL格式財務報表上。歐陽電平和龔云蕾（2007）歸納了財務報告層面的XBRL格式轉換模式和分類賬層面的XBRL財務報告編制模式。有學者從XBRL報告模式實現路徑的技術路徑依賴性出發，提出其報告模式的技術構架為：由XBRL分類標準提供標準數據支持，由Internet服務實時框架編制實時報告，加之企業軟件依據XBRL的層次結構所實現的數據向下挖掘功能，三者共同支撐起決策導向的財務報告模式。劉國英（2008）提供的一個較清晰的基于XBRL的財務數據挖掘系統技術程序模型，可提供財務診斷評價時采用XBRL實施數據挖掘參考，如圖1所示。

圖1 基于XBRL的財務數據挖掘模型

綜上所述，雖然近年來將XBRL運用于相關領域已有一定的研究，但XBRL運用于財務診斷及其數據挖掘過程的研究仍然匱乏，其主要原因除了XBRL的運用尚未成熟外，企業診斷理論中數據挖掘和方案研究的欠缺，也使得XBRL的研究無法與其銜接。

三、財務診斷中XBRL的運用與數據挖掘過程

借助最新的企業診斷理論和方法，在XBRL及網絡和計算機技術的支持下，開始將數據挖掘技術應用到網上財務施診過程中。利用XBRL等工具，可支持對數據源進行多次訪問、提取及分析。提取數據集合中隱藏在數據間的有用信息。經過深層次的挖掘和提取，使數據成為診斷符合施診主題的有效信息，形成判斷、決策和構建施診方案的基本條件。

（一）XBRL在財務診斷中的作用 作為網上財務診斷的工具，XBRL的優點是非常明顯的。XBRL能為財務診斷提供強大分析整理的平臺，并可實現網上實時溝通診斷，提高財務診斷的可靠性和效率。

（1）提供迅速收集整理數據的方式。對財務數據進行標準化和特定的標記分類，可以使其在數據信息的交換、識別、摘錄、整理等方面實現自動化，減輕成本并提高準確度。因此XBRL特定的提供大量數據和分析整理的數據信息功能，將被全面地運用于財務診斷。其中橫向數據（如行業數據）的獲得，將非常有利于財務診斷的橫向對照。

（2）與財務診斷分析工具或關系模型相匹配。例如用杜邦分析法進行財務診斷，以凈資產收益率為起點，可根據每一層指標的演算關系，以及指標之間的內在聯系分析判斷企業的財務能力。該分析過程可以由支持XBRL的財務診斷信息系統獨立完成，無須人工干預，大大節省了診斷的時間。

（3）提供靈活的報告生成工具。XBRL技術可以根據樣式單的設置，對財務診斷系統中的數據進行分類，抽取各類報表需要的信息，重新組合成多張符合各用戶要求的報表。同時，報表生成后用戶仍可根據需求進行修改，刪減無關信息，更新數據，構成了財務診斷報告階段的雙向數據交流機制，極大促進了診斷結果的傳達和落實。

（4）實現特定信息的追蹤和搜索。XBRL可向下挖掘（Drill－Down）、橫向挖掘（Drill－Transverse），實現特定信息的追蹤和搜索。XBRL具有的跨平臺功能，可以在不同的信息之間建立連接，跟蹤相關的信息線索。可自上向下地考察數據源，一直追溯到數據的底層，實現對財務報表的深入閱讀和分析。XBRL的技術特點，實際上還構建了行業內（甚至跨行業）比較的數據挖掘平臺。即在很大程度上實現了提供構建行業診斷標準的基礎，使得在企業診斷中難以建立行業標準的困境得以打破。

（二）XBRL環境下財務診斷的數據挖掘過程 根據企業診斷對數據挖掘的要求以及XBRL的特點，基于XBRL的數據挖掘過程可設計為主要包括財務數據獲取及XBRL規范化、財務診斷數據挖掘以及結果評價構建方案主題三個階段。各部分之間的信息流動和數據交換都可基于XBRL進行，如圖2所示。

圖2 基于XBRL的網上財務診斷數據挖掘一般過程模型

（1）數據獲取及XBRL規范化。財務診斷首先需要獲取財務數據，財務數據主要來源于企業內外部的多個數據源的業務數據庫。這些數據往往有多種表現形式，如文本形式、電子表格、會計信息系統報表格式、關系數據庫等，數據格式比較雜亂。但這些數據一般可以分為基于XBRL描述的財務數據源與非XBRL描述的財務數據源。基于XBRL描述的財務數據不需要進行格式轉換可直接進行數據挖掘，而非XBRL描述的財務數據，要將其處理為以XBRL描述的財務數據，才符合數據挖掘的要求。

（2）基于XBRL的財務診斷數據挖掘。這個階段是數據挖掘技術運用的核心部分，也是網上財務診斷的重要階段。通過采用聚類分析、主成分分析、關聯規則、決策樹分析、神經網絡等數據挖掘方法，從企業大量的具有統一XBRL格式的財務數據中挖掘出潛在的、有用的知識或模式。這一階級主要有建立財務指標體系及數據挖掘兩個重要環節。

建立財務指標體系。施診者根據診斷需要，經由XBRL技術轉換的財務數據進行選擇，建立財務指標體系。并可利用聚類分析等方法將這些財務指標分類，使同類財務指標具有相似性，為下一環節的數據挖掘作好準備。

財務診斷數據挖掘環節。圖2所示實際上僅為初診階段的數據挖掘，主要針對財務數據進行，目標是尋找出影響經營效果的財務關鍵因素。可采用適當的數據挖掘算法，如主成分分析法、因子分析法等，然后利用相關軟件工具進行具體的數據挖掘。財務診斷數據挖掘，實際上還包括對方案主題關聯因素的數據挖掘，和參考方案組合時的數據挖掘（參見下節圖3）。

（3）基于XBRL的數據挖掘結果評價。在此階段要對財務診斷數據挖掘的結果進行分析和評價，剔除其中的不相關數據及重復數據，并用一種易于理解的形式對挖掘結果進行必要的解釋。根據實際需要，可有針對性的再次進行挖掘。對財務數據挖掘結果的評價，將形成對該受診對象的首要財務弊病的認識，根據一定的目的（如委托人或施診人的意愿），構建財務診斷方案主題，為生成最終的財務診斷方案準備基本條件。

在數據挖掘完成之后，要將所得到的知識，形成符合XBRL規范的知識庫，以方便數據的再挖掘和提取。整個財務診斷的數據挖掘過程支持對數據源的多次循環往復的訪問、析取，并且每次分析后都會將分析結果自動保存至財務診斷數據庫，然后再進行深層次的挖掘過程。這樣可以大大提高財務診斷的效率與質量。

四、網上財務診斷與方案生成

新的企業診斷理論研究為財務網上診斷提供了理論基礎。財務的網上診斷與方案生成主要參考企業診斷方案生成的基本流程、企業診斷方案生成的MCS模型、財務診斷信息系統與指標體系，并在此基礎上考慮財務診斷的固有特點。

（一）網上財務診斷方案生成基本流程 網上財務診斷是指施診時獲取財務和非財務信息和數據，對信息和數據進行判別、整理、分析，形成財務結論，提出和形成改善方案等主要診斷流程，主要依賴網絡和計算機來進行。根據梁戈夫等（2004）提出的MCS診斷模型，考慮財務診斷的特點和需要，設計出網上財務診斷過程模型FCS，如圖3所示。這個過程模型包括數據收集整理、數據挖掘與初診、診斷方案主題形成、方案組合生成四個階段。

圖3 網上財務診斷方案生成基本流程模型FCS示意圖

首先，利用XBRL等工具，收集各種初始數據。通過一定的凈化和轉換處理，形成待運用和挖掘的數據庫；其次是進行數據挖掘和初診。可通過聚類分析對初始數據進行降維，再利用主成分分析、因子分析等數據挖掘方法，對財務指標進行初診和評價；然后，將初診的結果通過與委托者的溝通和施診者的專業判斷，構建財務診斷的施診主題；最后，圍繞施診主題，進行數據的再挖掘和評估，形成對不同施診主題的因素支持群以進行方案組合，形成財務診斷和改善的參考方案。在網絡環境下施診，克服了信息溝通和傳播的許多障礙，可能實現網上在線溝通，并使用更多的數據和資料進行分析判斷（多因素判斷和組合）。網絡施診與XBRL等技術結合，通過對診斷分析過程中的人-機配合進行合理安排，可將數據挖掘和方案生成技術貫穿于財務診斷的整個過程，使財務診斷過程主要部分實現智能化，提高了施診的質量與效率。

（二）網上財務診斷方案主題的擬定與數據再挖掘

（1）財務診斷方案主題的擬定。根據梁戈夫的研究意見，診斷方案的主題不一定是由委托者開始主訴時提出的診斷命題。除了委托者的意見和要求，診斷方案主題還應與施診過程初步檢查的結果及施診者的專業判斷能力相關。具有較高價值的施診方案，其診斷主題應是在產生初診檢查背景后，由委托者與施診者的需求與專業判斷的綜合而形成。在由XBRL和數據挖掘支持的網上財務診斷過程中，初診可以與數據挖掘過程同時進行。如對待分析的財務指標，經降維處理后，可從財務數據庫中，提取已經凈化和轉換處理的相應數據，應用主成分分析、因子分析、神經網絡分析等數據挖掘方法，找到影響財務全局的關鍵因素或敏感因素。而這些關鍵因素或敏感因素，配合委托者的需求和施診者的判斷，很可能成為企業要分析和改善的診斷主題。考慮委托方現有的環境和施診角度（如解決問題的先后和對其它因素指標的影響），考慮施診者的經驗和雙方解決問題的風格，即可圍繞初診形成的關鍵因素或敏感因素，擬定本次診斷的施診主題。

（2）圍繞財務診斷方案主題的數據再挖掘。施診主題擬定后，可圍繞主題實行數據的再挖掘。在網絡和XBRL及Web3.0等技術平臺的支持下，圍繞施診方案主題的數據再挖掘，可分為：企業內部財務數據挖掘、企業內部非財務數據挖掘、外部財務數據及非財務信息挖掘三部分。例如圍繞施診主題關聯指標和數據的尋找分析、圍繞診斷方案關聯指標和數據的尋找和歸納等等、對相關和關鍵數據的驗證、對報表所聯系的指標和數據的審核分析等等。圍繞施診主題和診斷方案的數據再挖掘過程，是現代的財務診斷理論和模式對數據挖掘較有特色的運用。與初診時進行的數據挖掘比較，主要是企業內部的財務指標和數據不同，圍繞施診方案主題的數據再挖掘，是更加廣泛意義上的數據挖掘。即財務數據上，既包含向下挖掘（主要是企業內部、財務報表背后與其相關的數據），還包含橫向挖掘（主要是行業內的和部分行業外的數據）；在非財務數據上，還應了解到包含企業內部與施診主題關聯較大的數據和因素（如供應產品、銷售、生產、研發、經營模式等等），以及行業環境中關聯較大的數據和因素（如市場、行業政策、競爭者、供應者、價格、原料、能源、環保等等）。但作為財務診斷，其數據挖掘應以財務指標和數據為主體。其它非財務的關聯因素，對于不同的行業可形成一定的數據挖掘關聯形式或影響模式。

（三）網上財務診斷方案生成 方案生成技術多用于系統工程中，是形成備選方案的一種方法技術。將網上財務診斷與方案生成技術相結合，可以使網上財務診斷趨于智能化與自動化。方案生成可應用智能數據庫、數據分析、專家系統等工具。

（1）與診斷過程密切相關的方案生成安排。根據MCS模型，以方案生成為導向的診斷模式，可拉動和安排整個施診過程的各個要素，動員不同環節的方法和工具相配合，實現沿施診流程發展的診斷效能的增強，并能提供不同主題的診斷方案組合。本研究提出的財務診斷方案的生成模型，是一種采用多因素反復判斷組合的決策過程。同企業診斷的MCS模型一樣，財務診斷方案生成實際上已經貫穿于施診的全過程，也是數據挖掘不斷深入運用的綜合過程。如圖3所示，對財務指標的整理和篩選、通過數據挖掘的方法尋找和判斷影響財務問題的關鍵或敏感因素（初診過程）、擬定施診方案的主題、圍繞施診主題的數據再挖掘分析，每一個環節都構成了財務診斷方案的分析判斷部分。而這些分析判斷有指標、有數據、有分析、有圖表展示，分析判斷手段相互印證、判斷思路邏輯清晰。即財務診斷方案的分析判斷部分，在對施診主題的擬定和數據再挖掘環節已經完成，余下還需要生成的，是改善方案的部份。在方案生成工具的運用上。到此處涉及的診斷方案生成，大體上利用相關的軟件（如Excel、SPSS等）與XBRL相結合，即可獲得相應的報表和分析圖。通過專門的開發，可以形成專業性的方案生成軟件。而其中有關文字的表述，可相應格式化。即只需少部分修改潤色，就可實現大部分自動化或智能化。

（2）改善參考方案的生成要素。方案主題擬定后，圍繞施診主題的數據再挖掘和評估，形成對不同施診主題的因素支持群。此時施診者可根據前面分析診斷的背景，應用專業知識和經驗，設計并組合出不同的改善方案。而參考方案的改善部分，可設計為具有數個不同層面要素的半結構化組合。如某具有六層面要素改善方案結構可設計為：方案的思路目標；方案的本質即解決角度（著眼點、手段、改善總幅度）；方案的內容要點（分項改善的內容和改善幅度，可形成表格形式）；方案的關鍵（影響全局或促成成敗的因素）；方案的措施（如人、財、物、時間、組織上的保障，主要圍繞關鍵因素）；方案的評估（如評估方案解決問題的覆蓋面、效度、價值性等）。按診斷定制性的特殊要求，此處的方案生成，采用一定的人工手段并提供施診者充分發揮篇幅較為適合。即診斷方案改善部分的半格式化形式，只采取該部分以半自動形式生成，一些具體內容有待于施診者根據施診方案的具體情況填入。但如果要制定財務報表，則可開發或利用相關財務軟件，通過輸入必要的引導數據，就可能自動生成財務報表。

五、結論

利用網絡進行財務診斷需要工具和診斷理論方法的支持。XBRL的推廣應用，使網絡財務診斷能以較高效率實現。借助于新近研究的企業診斷模型MCS，可以嘗試構建基于XBRL的財務診斷數據挖掘流程，找出影響財務狀況的成功關鍵因素，形成財務施診的方案主題，并通過數據再挖掘和因素組合，由此組建生成財務診斷方案。本研究所描述的，包含了多因素反復判斷組合決策過程及方案生成的財務診斷模型和施診方式，運用了最新企業診斷理論和網絡語言工具，將可能使企業財務診斷在準確性、高效化、自動化和實時施診等方面趨于實現。

［1］姜玉泉、丁國勇、施永香：《XBRL對審計的影響及其對策》，《審計與經濟研究》2004年第7期。

［2］張天西、高錦萍：《XBRL對審計的影響研究》，《當代財經》2007年第6期。

［3］呂志明：《基于XBRL的審計流程再造》，《財經問題研究》2011年第3期。

［4］戴利：《XBRL環境下內部控制審計框架研究》，《財會月刊》2014年第11期。

［5］歐陽電平、龔云蕾：《XBRL格式財務報告的特征及其審計探討》，《審計月刊》2007年第7期。

［6］劉國英：《基于XBRL的財務數據挖掘系統分析與設計》，《中國管理信息化》2008年第9期。

［7］Zabihollah Rezaee,Elam Reynolds,Ahmad Sharbatoghlie.Continuous auditing:the audit of the future,Managerial Auditing Journal 2001.

［8］Boritz and No.Assurance reporting for XBRL:XARL（Extensible Assurance Reporting Language）.Trust and Data Assurances in Capital Markets:The Role of Technology Solutions.Research Monograph sponsored by Pricewaterhouse Coopers．2003.