基于智能演算法的企業績效FOA—ROE模型研究

林建邦 王天

[摘 要]隨著工業4.0時代下《中國制造2025》的正式出臺，強國目標已由“中國制造”加速向“中國智造”轉型，意味著新的“智能科技時代”已經到來。文章提出以果蠅演算法優化智能科技產業經營績效模型。結果顯示，果蠅演算法能有效優化模型預測能力，其中固定資產周轉率、總資產周轉率及研發生產力三項為最有影響力之指標，與智能科技企業經營績效具有顯著正相關關系。

[關鍵詞]智能科技；經營績效；果蠅優化演算法

[DOI]10.13939/j.cnki.zgsc.2018.17.075

1 前 言

工業4.0以智能制造為重點，中國版工業4.0規劃是中國尋求制造業智能轉型的必由之路。為此，中國政府一方面出臺《中國制造2025》規劃，作為實現智能化改造的國家戰略；另一方面也積極吸引海內外有關投資和加速智能制造的研究實踐推廣。目前，整個中國智能制造相關行業的市場空間已達到1000億元，而根據艾瑞咨詢公司的行業研究報告，2015年中國智能硬件熱門品類的銷量已達千萬以上，2016年中國智能產業規模達95.6億元，比2015年同比增長37.9%，整個行業的規模將實現持續增長的態勢。[1]

企業在營運發展的過程中，若能便捷地透過自身經營數據提前預知營運危機及有效地掌握經營實況，在適當時間做出合宜反應，是為企業實現永續經營的關鍵之處。在智力密集型和技術密集型企業當中，常被用于衡量企業經營績效的指標主要有股東權益報酬率；[2]另外，企業績效基本受到結構資本、流程資本、創新資本等因素的影響，例如：總資產周轉率、存貨周轉率、固定資產周轉率、研發投入、研發密集度等皆對企業績效有顯著影響。[3-4]

由于中國的智能科技產業發展起步較晚，對于該產業經營績效的評估與預測目前也無具體明確的指標與模型。有鑒于此，本研究采用前沿優化算法——果蠅演算法（Fruit Fly Optimization Algorithm，FOA）來優化智能科技企業經營績效預測模型的參數，該算法過去被成功應用于企業財務績效預測、[5]交通流量預測[6]、基金買賣決策預測[7]領域，優化后的模型預測能力均得到提升；同時，FOA有比其他優化算法計算量較少、復雜度較低、精確度更高[8]的優點。因此，本研究目的采用FOA提高模型預測力，并找出最適合的預測模型及對企業經營績效具有重要影響力的預測指標，為中國智能科技產業經營績效預測提供較適合的模型，以保持智能科技產業高速穩定的發展。

2 研究設計

2.1 研究架構

本研究主要根據國家發展目標為依據，選定研究對象為智能科技產業，并了解該產業發展的現狀；再者，通過大量文獻資料及研究目的，分別采用多元回歸方法（Regression）及果蠅演算法優化后的多元回歸（FOA-Regression），建構企業經營績效應變量的預測模型，找智能科技企業經營績效預測的最適合模型與指標，研究架構如圖1所示。

圖1 研究流程圖情況

2.2 數據選取

本研究旨在為中國智能科技產業建構具有較強預測力之經營績效預測模型，因此以中國上市智能科技產業公司為研究對象，通過國泰安數據庫篩選出2006—2016年11年間企業數據資料共2554筆，希望從中探尋中國智能科技企業的發展軌跡，以助智能科技產業經營戰略和健全體制的發展。

2.3 研究變量

2.3.1 企業經營績效衡量因素

本研究采用財務性指標衡量企業經營績效（應變量），為股東權益報酬率（Return On Equity，ROE），計算方法如公式所示。

股東權益報酬率=稅后損益平均股東權益凈額

2.3.2 企業經營績效影響因素

由于智能科技企業屬于知識、技術密集型企業，并根據其他學者過往之相關研究，投入建模的自變量及其計算公式如表1所示。

2.4 果蠅演算法

果蠅本身在感官知覺上優于其他物種，尤其是在嗅覺上，食物的味道越濃，果蠅對其感知能力就越強，其搜索食物的過程就是不斷地從味道小的地方到達味道更濃的地方的過程。

依照果蠅搜尋食物的特性，該算法的具體步驟如下。[9]

步驟1：隨機初始果蠅群體位置（Fly Group）。

InitX_axis；InitY_axis.（1）

步驟2：賦予果蠅個體（Fly1， Fly2， Fly3）利用其嗅覺搜尋食物之隨機方向與距離。

Xi=X_axis+RandomValue. （2）

Yi=Y_axis+RandomValue.（3）

步驟3：由于無法得知食物位置，因此先估計與原點之距離（Dist），再計算味道濃度判定值（S），此值為距離之倒數。

Disti= Xi2+Yi2；Si=1Disti.（4）

步驟4：將味道濃度判定值（S）代入味道濃度判定函數（或稱為Fitness function）以求出該果蠅個體位置的味道濃度（Smelli）。

Smelli=FunctionSi.（5）

步驟5：找出此果蠅群體中的味道濃度最高的果蠅（求極大值，例如Fly2）。

best Smell best Index=maxSmell. （6）

步驟6：保留最佳味道濃度值與x、y坐標，此時果蠅群體利用視覺向該位置（Fly2）飛去，形成新的群聚位置。

X_axis=Xbest index；（7）

Y_axis=Ybest index.（8）

步驟7：進入果蠅迭代尋優，重復執行步驟2～5，并判斷味道濃度是否優于前一迭代味道濃度，若是則執行步驟6。

Smell best=best Smell.（9）

3 實證分析

本研究以ROE為企業經營績效衡量的應變量，并采用多元回歸的逐步回歸法進行變量篩選及模型建構，摒除共線性及不相關之變量（VIF<10和P-value<0.05），得出固定資產周轉率、總資產周轉率、研發生存力為影響智能科技企業經營績效的重要變量。

進一步利用果蠅優化演算法優化ROE模型的參數，初始設定均為5個果蠅群體，隨機初始化果蠅群體位置區間為[0，1]，迭代的果蠅搜尋食物的隨機飛行方向與距離區間為[-1，1]，設定最高迭代次數為100，建構FOA-ROE預測模型。由圖2可知，FOA-ROE模型在第37次迭代后開始達到收斂的效果。

圖2 FOA-ROE迭代RMSE收斂趨勢

由表2可知，經由FOA迭代的尋優后，ROE回歸模型RMSE值大幅降低至0.00171，最佳的模型參數分別為0.03928、0.037744、0.038532。結果顯示，經FOA優化后的回歸模型預測誤差（RMSE）更小，預測力更強。

4 結 論

近年來中國智能科技產業高速發展，但快速發展的同時也更容易出現經營問題。研究結果顯示，果蠅優化演算法的運用大大提高了企業經營績效模型的預測能力，經由FOA優化后的模型預測誤差均明顯降低，對于企業經營績效提出更有效的預測模型。對于中國智能科技企業而言，影響其經營績效的變數中，經由模型的挑選，顯示固定資產周轉率、總資產周轉率及研發生產力三項為最有影響力之指標，與企業經營績效具有顯著正相關關系。所以，企業應形成科學的固定資產管理制度，明確管理部門和分工原則，使固定資產維持更長的作業壽命和更好的機器性能，提高資產的使用效率；另外，實現特色智能技術與智能產品的開發也是企業核心競爭力所在，因此企業應注重研發，對研發做好提前規劃，避免不合理的研發投入；同時，加強與企業內部其他部門和外部材料供應商的協同合作，實現資源互補以及研發質量與效率的提高。

參考文獻：

[1]中國工控網.2016年智能硬件產業發展趨勢分析[EB/OL].[2017-01-20].http：//www.gongkong.com/news/201606/343973.html.

[2]從蔚.歐洲公司人力資源、研發支出與公司績效之關聯性-以德、英、法三國為例[D].臺灣：淡江大學，2016.

[3]王文英，張清福.智慧資本影響績效模式之探討——我國半導體業之實證研究[J].會計評論，2004（39）：89-117.

[4]黃麗芬.景氣循環、研究發展對財務績效影響之研究——以我國上市上柜咨訊電子業為例[D].臺灣：中原大學，2003.

[5]林淑美.應用果蠅算法優化支持向量機建構企業經營績效偵測模型[R].臺灣：中國科技大學行銷與流通管理系，2012-01-17.

[6]CONG Y，WANG J，LI X.Traffic Flow Forecasting by a Least Squares Support Vector Machine with a Fruit Fly Optimization Algorithm[J].Procedia Engineering，2016（137）：59-68.

[7]潘文超.果蠅最佳化演算法第二版[M].臺灣：滄海書局，2013.

[8]吳小文，李撃.果蠅算法和5種群智能算法的尋優性能研究[J].火力與指揮控制，2013，3（4）：18-19.

[9]潘文超.應用果蠅優化算法優化廣義回歸神經網絡進行企業經營績效評估[J].太原理工大學學報：社會科學版，2011，29（4）：1-5.