大數(shù)據(jù)時代企業(yè)財務(wù)風(fēng)險預(yù)警機制與路徑探究

蔡立新（教授），李嘉歡

一、引言

我國經(jīng)濟的高速發(fā)展使企業(yè)面臨的經(jīng)濟環(huán)境日新月異，在獲得更多發(fā)展機會的同時，財務(wù)風(fēng)險也隨之而生。時鈺[1]指出，面臨激烈的競爭和多變的市場狀況，建立合理有效的財務(wù)風(fēng)險預(yù)警機制是十分必要的。只有準(zhǔn)確識別和預(yù)測財務(wù)風(fēng)險，企業(yè)才能在全球經(jīng)濟競爭中立于不敗之地。

世界范圍內(nèi)對財務(wù)風(fēng)險預(yù)警的研究最早起源于20世紀(jì)30年代，F(xiàn)itzpatrick[2]發(fā)現(xiàn)“凈利潤/股東權(quán)益”和“股東權(quán)益/負(fù)債”可以顯著區(qū)分處于財務(wù)困境的公司和正常公司，并能發(fā)揮預(yù)測作用。Altman[3]利用多元判別分析法提出Z模型，之后又在Z模型的基礎(chǔ)上提出了采用7個財務(wù)指標(biāo)的Zeta模型，進(jìn)一步提高了預(yù)測的準(zhǔn)確性。

我國在這方面盡管起步相對較晚，但近年來也取得了豐碩的成果。周首華、楊繼華和王平[4]在Z模型的基礎(chǔ)上，加入現(xiàn)金流量這一自變量，提出了F模型，以彌補Z模型未充分考慮現(xiàn)金流量變動情況的不足。為了優(yōu)化多變量模型，曲秀麗[5]選取了5個財務(wù)指標(biāo)作為模型變量，構(gòu)建了一個基于極值原理的Fisher線性判別模型。羅曉光、劉飛虎[6]將Logistic回歸法引入商業(yè)銀行財務(wù)風(fēng)險預(yù)警模型，從資本充足性風(fēng)險、信用風(fēng)險、盈利能力風(fēng)險、流動性風(fēng)險和發(fā)展能力風(fēng)險五個方面建立了適合商業(yè)銀行的財務(wù)風(fēng)險預(yù)警模型。隨著計算機技術(shù)的發(fā)展，人工智能模型開始被應(yīng)用于財務(wù)風(fēng)險預(yù)警。丁德臣[7]提出了基于混合全局優(yōu)化正交遺傳算法（HOGA）和支持向量機（SVM）的財務(wù)風(fēng)險預(yù)警模型（HOGA-SVM），通過使用混合全局優(yōu)化正交遺傳算法連同支持向量機來改進(jìn)支持向量機進(jìn)行財務(wù)風(fēng)險預(yù)警的效果。張曉莉、孫朝陽和劉大為[8]使用若干財務(wù)指標(biāo)，應(yīng)用蟻群算法建立了新的財務(wù)風(fēng)險預(yù)測模型。劉磊、郭巖[9]基于財務(wù)指標(biāo)，運用RBF神經(jīng)網(wǎng)絡(luò)模型，構(gòu)建了物流企業(yè)財務(wù)風(fēng)險預(yù)警模型，發(fā)現(xiàn)該模型可以克服人為因素和模糊隨機性的影響，且具有學(xué)習(xí)和動態(tài)跟蹤的能力，并能有效識別高風(fēng)險樣本，可以更好地保證預(yù)測結(jié)果客觀準(zhǔn)確。

盡管這些模型都通過了實證檢驗，有些甚至已在實務(wù)中應(yīng)用多年，但其預(yù)警效果的準(zhǔn)確性和穩(wěn)定性一直有待增強，尤其是當(dāng)外在環(huán)境發(fā)生重大變化（如經(jīng)濟危機爆發(fā)）時，預(yù)警機制失效成為常態(tài)。這是因為高質(zhì)量的財務(wù)風(fēng)險預(yù)警需要以海量數(shù)據(jù)為基礎(chǔ)，在現(xiàn)有預(yù)警機制下，數(shù)據(jù)的維度不足，對非財務(wù)指標(biāo)的利用程度不夠，導(dǎo)致預(yù)警質(zhì)量無法完全滿足企業(yè)需求。同時，海量數(shù)據(jù)分析需要的時間和成本制約了預(yù)警的及時性和使用范圍。為了真正提高財務(wù)風(fēng)險預(yù)警的及時性、準(zhǔn)確性和穩(wěn)定性，急需建立一個多維度、全方面、高速度的財務(wù)風(fēng)險預(yù)警機制。

近年來，大數(shù)據(jù)技術(shù)取得了突破性進(jìn)展。所謂“大數(shù)據(jù)”，相對狹義的概念是指具有Volume、Variety、Value和Velocity“4V”特征的數(shù)據(jù)。其中：Volume是指具有超大規(guī)模和超快增長的非結(jié)構(gòu)化數(shù)據(jù)；Variety是指數(shù)據(jù)類型繁多；Value是指信息的價值分布密度低，而商業(yè)價值高；Velocity是指數(shù)據(jù)處理速度快。從廣義上講，宋彪、朱建明和李煦[10]認(rèn)為大數(shù)據(jù)是一種思維范式。

大數(shù)據(jù)技術(shù)可以在短時間內(nèi)處理海量數(shù)據(jù)，因此目前幾乎各個領(lǐng)域都在研究大數(shù)據(jù)技術(shù)的應(yīng)用，同時大數(shù)據(jù)技術(shù)也為財務(wù)風(fēng)險預(yù)警新機制的建立提供了思路。目前，在風(fēng)險預(yù)測和管理領(lǐng)域已存在諸多應(yīng)用大數(shù)據(jù)技術(shù)的嘗試。宋彪、朱建明和李煦[10]利用網(wǎng)絡(luò)爬蟲獲取全網(wǎng)網(wǎng)絡(luò)數(shù)據(jù)，對反映情緒的非結(jié)構(gòu)化信息進(jìn)行數(shù)值化處理，同時對相關(guān)上市公司的有效信息進(jìn)行頻次統(tǒng)計，從而形成能夠反映非財務(wù)指標(biāo)且更具全面性和普適性的大數(shù)據(jù)指標(biāo)。將引入大數(shù)據(jù)前后的財務(wù)風(fēng)險預(yù)警模型的準(zhǔn)確率進(jìn)行對比，發(fā)現(xiàn)引入大數(shù)據(jù)指標(biāo)后的預(yù)警模型有更高的有效性。張仕元、劉行舟[11]結(jié)合國內(nèi)外跨國能源企業(yè)實施信息化的案例，提出了基于大數(shù)據(jù)平臺和大數(shù)據(jù)分析技術(shù)的全面風(fēng)險管理模式，并提出了我國大型企業(yè)集團(tuán)運用大數(shù)據(jù)技術(shù)進(jìn)行風(fēng)險管理的方法和路徑。

不過，現(xiàn)有文獻(xiàn)中將大數(shù)據(jù)技術(shù)應(yīng)用于財務(wù)風(fēng)險預(yù)警模型設(shè)計的研究并不多見，并且主要集中于股價的預(yù)測和分析方面。此外，多為實證研究，通過指標(biāo)選取、模型設(shè)計和實證檢驗等來建立財務(wù)風(fēng)險預(yù)警模型并設(shè)計財務(wù)風(fēng)險預(yù)警機制和路徑的理論探討明顯不足。有鑒于此，本文擬在此方面進(jìn)行嘗試性研究。

二、大數(shù)據(jù)與財務(wù)風(fēng)險預(yù)警

企業(yè)財務(wù)風(fēng)險預(yù)警貫穿于企業(yè)日常的經(jīng)營活動、投資活動和融資活動之中，企業(yè)進(jìn)行上述活動時主要從三個方面產(chǎn)生預(yù)警需求，即部門層面、業(yè)務(wù)層面和戰(zhàn)略層面。由于不同層面會產(chǎn)生不同的決策需求，比如，戰(zhàn)略層面需決定公司應(yīng)擁有什么樣的業(yè)務(wù)，業(yè)務(wù)層面需決定開發(fā)何種新產(chǎn)品，而部門層面需決定采用何種銷售策略，因此各層面財務(wù)風(fēng)險預(yù)警的需求也不相同。同時，不同的預(yù)警需求對應(yīng)不同的數(shù)據(jù)分析基礎(chǔ)，借助大數(shù)據(jù)技術(shù)，財務(wù)風(fēng)險預(yù)警機制可以全面收集能夠反映企業(yè)內(nèi)部狀況、供應(yīng)鏈傳導(dǎo)影響、行業(yè)風(fēng)險、行業(yè)關(guān)聯(lián)影響和宏觀經(jīng)濟影響的海量數(shù)據(jù)。不同層面在進(jìn)行風(fēng)險預(yù)警時，可以根據(jù)本層面的特定需求抽取相關(guān)數(shù)據(jù)進(jìn)行數(shù)據(jù)分析，從而滿足各層面不同的預(yù)警需求。此外，數(shù)據(jù)可以實現(xiàn)一次收集反復(fù)利用，將大大減少單次預(yù)警的時間和成本，擴大財務(wù)風(fēng)險預(yù)警的適用范圍。因此，如圖1所示，大數(shù)據(jù)視角下的企業(yè)財務(wù)風(fēng)險預(yù)警機制是一個多維度、全方位的預(yù)警機制。

圖1 大數(shù)據(jù)視角下財務(wù)風(fēng)險預(yù)警的實現(xiàn)

現(xiàn)有財務(wù)風(fēng)險預(yù)警機制大多面臨準(zhǔn)確性和穩(wěn)定性不足的問題，這很大程度上是由于選取指標(biāo)時對非財務(wù)因素考慮不足，同時，在選取非財務(wù)指標(biāo)時，普遍采用列舉和試錯的方法，使得被選中的指標(biāo)具有一定的滯后性，對未來的適用性不穩(wěn)定。大數(shù)據(jù)視角下，財務(wù)風(fēng)險預(yù)警機制以全樣本數(shù)據(jù)為基礎(chǔ)，從多個維度收集實時數(shù)據(jù)，同時不局限于分析特定財務(wù)或非財務(wù)指標(biāo)，而是根據(jù)每次預(yù)警的需求進(jìn)行選擇，從而保障預(yù)警的準(zhǔn)確性和穩(wěn)定性。不容忽視的是，海量數(shù)據(jù)雖提高了準(zhǔn)確性，卻也對及時性提出了更高的挑戰(zhàn)，大數(shù)據(jù)技術(shù)信息處理速度快的特點就為及時性提供了保障。以實時大數(shù)據(jù)處理架構(gòu)之一的Storm為例，目前其已實現(xiàn)每個節(jié)點每秒鐘處理100萬個數(shù)據(jù)元組。這意味著大數(shù)據(jù)的高速數(shù)據(jù)收集和處理能力能夠保證每次財務(wù)風(fēng)險預(yù)測都在實時全樣本數(shù)據(jù)分析的基礎(chǔ)上快速進(jìn)行，既保證預(yù)警的準(zhǔn)確性，又兼顧預(yù)警的及時性。大數(shù)據(jù)視角下的企業(yè)財務(wù)風(fēng)險預(yù)警機制不僅是多維度、全方面、高速度的，而且可以更好地滿足財務(wù)風(fēng)險預(yù)警準(zhǔn)確性、穩(wěn)定性和及時性的需求。

三、財務(wù)風(fēng)險預(yù)警機制設(shè)計

大數(shù)據(jù)機制下的企業(yè)財務(wù)風(fēng)險預(yù)警機制（簡稱“新機制”）可以分為常態(tài)預(yù)警機制和特殊預(yù)警機制兩部分。常態(tài)預(yù)警機制貫穿企業(yè)存在的每一天，而特殊預(yù)警機制只有在企業(yè)即將進(jìn)行重大決策時才會啟動，這兩種財務(wù)預(yù)警機制均如圖2所示，可分為數(shù)據(jù)采集和處理、風(fēng)險判斷、報告出具和預(yù)警效果評價和反饋四個階段。

圖2 大數(shù)據(jù)下企業(yè)財務(wù)風(fēng)險預(yù)警機制

1.數(shù)據(jù)采集和處理階段的機制設(shè)計。在數(shù)據(jù)采集和處理階段，相關(guān)人員借助計算機每天收集和更新與企業(yè)、行業(yè)和宏觀經(jīng)濟有關(guān)的海量數(shù)據(jù)，包括企業(yè)內(nèi)部的財務(wù)和非財務(wù)數(shù)據(jù)、供應(yīng)鏈企業(yè)公開數(shù)據(jù)、本行業(yè)和相關(guān)行業(yè)數(shù)據(jù)以及宏觀經(jīng)濟數(shù)據(jù)等，并根據(jù)數(shù)據(jù)類型對其進(jìn)行分類整理，如財務(wù)數(shù)據(jù)等結(jié)構(gòu)化數(shù)據(jù)直接作為變量儲存到數(shù)據(jù)庫中，而半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)則要先進(jìn)行結(jié)構(gòu)化處理。又如非結(jié)構(gòu)化信息中最常見的文字信息，要對其進(jìn)行語義分析和數(shù)據(jù)清洗以得到可以反映原始數(shù)據(jù)含義的數(shù)字化變量，為后續(xù)分析計算做準(zhǔn)備。

2.風(fēng)險判斷階段的機制設(shè)計。在風(fēng)險判斷階段，新機制需要對風(fēng)險類別和風(fēng)險程度進(jìn)行分析，并對是否做出風(fēng)險預(yù)警進(jìn)行獨立判斷，因此該階段是整個新機制中最重要的一個階段。通過對數(shù)據(jù)庫中海量數(shù)據(jù)的計算，新機制可對企業(yè)內(nèi)部狀況、行業(yè)風(fēng)險、行業(yè)關(guān)聯(lián)影響、供應(yīng)鏈傳導(dǎo)影響和宏觀經(jīng)濟影響等進(jìn)行分析，從而識別和量化由其單獨或交互影響產(chǎn)生的企業(yè)政治風(fēng)險、法律風(fēng)險、市場競爭風(fēng)險、經(jīng)營風(fēng)險等各類容易引致財務(wù)風(fēng)險的商業(yè)風(fēng)險。在現(xiàn)有的財務(wù)預(yù)警機制中，當(dāng)量化結(jié)果超過風(fēng)險預(yù)警的臨界值時，預(yù)警機制會做出預(yù)警決策。因此，臨界值的選擇對預(yù)警效果至關(guān)重要，臨界值過高可能會導(dǎo)致企業(yè)忽略風(fēng)險冒進(jìn)，而過低則可能使企業(yè)錯失良機。在新機制中，借助大數(shù)據(jù)和人工智能技術(shù)，新機制可以應(yīng)用支持向量機模型和神經(jīng)元模型，以找到更加優(yōu)化的“臨界值”。

支持向量機模型的本質(zhì)就是尋找一個最優(yōu)平面，將兩種不同類型的數(shù)據(jù)分別開。數(shù)據(jù)庫中計算得到的變量與判斷企業(yè)是否存在財務(wù)風(fēng)險的指標(biāo)一起構(gòu)成了多維空間，每個企業(yè)都是這個空間中的一個點，在新機制中應(yīng)用該模型，實際上就是尋找一個可以將這些點有效區(qū)分為面臨財務(wù)風(fēng)險企業(yè)和未面臨財務(wù)風(fēng)險企業(yè)兩部分的最優(yōu)平面，并由此得到一個決策函數(shù)，這個函數(shù)就相當(dāng)于臨界值。當(dāng)企業(yè)將某一時點的數(shù)據(jù)輸入新機制后，若因此導(dǎo)致企業(yè)被識別歸類為“具有財務(wù)風(fēng)險的企業(yè)”，則新機制需要做出預(yù)警。

神經(jīng)元模型則是模擬人類的神經(jīng)網(wǎng)絡(luò)和神經(jīng)質(zhì)的傳遞，當(dāng)滿足一定條件時，當(dāng)前神經(jīng)元就會被激活，并輸出預(yù)定函數(shù)的計算結(jié)果。將其應(yīng)用于新機制中，我們可以設(shè)定一個計算企業(yè)所處點與最優(yōu)平面距離的函數(shù)，一旦這個函數(shù)的值小于預(yù)定值，則該神經(jīng)元被激活，它將輸出財務(wù)預(yù)警信號，以便企業(yè)更加及時地對潛在風(fēng)險進(jìn)行防范。在正式啟用新機制前，需應(yīng)用大量不同企業(yè)的歷史數(shù)據(jù)對新機制進(jìn)行訓(xùn)練，從而得到有效的決策函數(shù)。同時，在正式啟用之后，新機制也會根據(jù)每次預(yù)警的效果對決策函數(shù)進(jìn)行不斷的修正和調(diào)整。在對風(fēng)險做出預(yù)警后，新機制還可根據(jù)歷史數(shù)據(jù)對該風(fēng)險可能導(dǎo)致的經(jīng)濟后果進(jìn)行分析預(yù)測。

3.預(yù)警報告出具階段的預(yù)警決策信息生成。根據(jù)風(fēng)險判斷的結(jié)果，新機制可自動生成預(yù)警報告。報告主要由三部分組成：一是結(jié)構(gòu)化處理后的財務(wù)和非財務(wù)數(shù)據(jù)，這些數(shù)據(jù)分為企業(yè)情況、行業(yè)情況和宏觀情況三部分，以表格形式列出，方便報告使用者查閱和理解；二是對企業(yè)內(nèi)部狀況、行業(yè)風(fēng)險、行業(yè)關(guān)聯(lián)影響、供應(yīng)鏈傳導(dǎo)影響和宏觀經(jīng)濟影響的文字分析，使報告使用者可以對當(dāng)前企業(yè)自身狀況和所處環(huán)境有清晰的了解；三是對企業(yè)所面臨財務(wù)風(fēng)險的預(yù)警，包括風(fēng)險類型、風(fēng)險等級、風(fēng)險原因和預(yù)期經(jīng)濟后果，從而對預(yù)警報告使用者做出決策提供支持。

4.預(yù)警效果評價和反饋階段的運行機理。預(yù)警效果評價和反饋階段可以提高預(yù)警的準(zhǔn)確性和穩(wěn)定性。一方面，新機制可通過收集整理報告使用者對每次預(yù)警效果的評價，對上文提及的神經(jīng)元模型中的預(yù)定值進(jìn)行調(diào)整，從而控制預(yù)警的敏感度，滿足每個企業(yè)對不同程度風(fēng)險進(jìn)行預(yù)警的個性化需求。另一方面，對于新機制來說，每一次預(yù)警同時也是一次訓(xùn)練，可以在使用的過程中不斷對決策函數(shù)進(jìn)行修正，從而提高對風(fēng)險影響因素變化的適應(yīng)性，保證和提高財務(wù)風(fēng)險預(yù)警質(zhì)量。

四、財務(wù)風(fēng)險預(yù)警路徑設(shè)計

常態(tài)預(yù)警機制和特殊預(yù)警機制都是基于企業(yè)內(nèi)部狀況分析、行業(yè)風(fēng)險分析、行業(yè)關(guān)聯(lián)影響分析、供應(yīng)鏈傳導(dǎo)影響分析和宏觀經(jīng)濟影響分析實施的。

1.企業(yè)內(nèi)部狀況動態(tài)分析。對企業(yè)內(nèi)部狀況的分析是對該企業(yè)財務(wù)風(fēng)險進(jìn)行預(yù)測和預(yù)警最基本的工作。企業(yè)內(nèi)部狀況包括企業(yè)內(nèi)部財務(wù)狀況和非財務(wù)狀況。其中：財務(wù)狀況比較容易衡量，主要借助于企業(yè)ERP系統(tǒng)等財務(wù)軟件提供的各項財務(wù)數(shù)據(jù)或財務(wù)指標(biāo)，這些數(shù)據(jù)揭示了企業(yè)過去和現(xiàn)在的財務(wù)狀況、經(jīng)營成果和現(xiàn)金流量情況，反映了企業(yè)的盈利能力、償債能力、經(jīng)營能力、風(fēng)險控制能力和發(fā)展能力，而這些能力極大地影響了企業(yè)未來的財務(wù)風(fēng)險；非財務(wù)狀況包括企業(yè)的治理結(jié)構(gòu)、內(nèi)部控制建設(shè)情況以及企業(yè)其他規(guī)章制度的實施后果等，這些因素都會對企業(yè)未來的財務(wù)風(fēng)險產(chǎn)生潛在的影響，比如，一個內(nèi)部控制制度不健全（存在重大缺陷或重要缺陷）的企業(yè)即使現(xiàn)階段擁有良好的財務(wù)績效，其未來的財務(wù)風(fēng)險也可能會很大，因為一旦內(nèi)部控制風(fēng)險爆發(fā)，對企業(yè)造成的影響則難以預(yù)計。通過對這些數(shù)據(jù)的分析可提高預(yù)警效果的準(zhǔn)確性和穩(wěn)定性。

2.行業(yè)風(fēng)險測度分析。行業(yè)風(fēng)險分析是指對預(yù)警企業(yè)所處行業(yè)的基本現(xiàn)狀對企業(yè)可能造成的影響進(jìn)行分析。企業(yè)作為其所處行業(yè)的一分子，必然會受到行業(yè)整體發(fā)展速度、行業(yè)現(xiàn)狀以及行業(yè)內(nèi)競爭程度等各種行業(yè)因素的影響。這些因素可以通過行業(yè)集中度、行業(yè)利潤率、行業(yè)銷售增長率等一系列定量指標(biāo)來衡量。借助大數(shù)據(jù)技術(shù)，一方面可以對這些量化指標(biāo)進(jìn)行實時更新，另一方面也可以對近年來新興的如管理層語調(diào)等非結(jié)構(gòu)化信息進(jìn)行處理，從而獲取其中的增量信息，提高預(yù)警分析的準(zhǔn)確性。

3.行業(yè)關(guān)聯(lián)影響分析。行業(yè)關(guān)聯(lián)影響分析是指對除企業(yè)上下游行業(yè)以外的其他相關(guān)行業(yè)的發(fā)展變化對企業(yè)及其所處行業(yè)影響的分析。在整個宏觀經(jīng)濟環(huán)境中，各行業(yè)之間都存在一定的聯(lián)系和影響。比如房地產(chǎn)行業(yè)不景氣會傳導(dǎo)到鋼鐵、木材等上游行業(yè)、家電等下游行業(yè)以及銀行等金融業(yè)，并波及居民收入，最終看似不相關(guān)的餐飲業(yè)也會因此受到影響。在新機制下，首先借助大數(shù)據(jù)技術(shù)對往年數(shù)據(jù)進(jìn)行搜集和分析，從而判斷出各行業(yè)對本行業(yè)的影響程度和影響方向以確定所謂的“相關(guān)行業(yè)”。然后通過對相關(guān)行業(yè)表現(xiàn)的分析結(jié)果預(yù)測該行業(yè)未來的發(fā)展態(tài)勢，進(jìn)而對是否存在風(fēng)險及風(fēng)險水平做出判斷。

4.供應(yīng)鏈傳導(dǎo)影響分析。供應(yīng)鏈傳導(dǎo)影響是指上下游企業(yè)的財務(wù)狀況及其變化趨勢將通過供應(yīng)鏈傳導(dǎo)對本企業(yè)產(chǎn)生影響。以中興通訊受到美國政府制裁為例，由于中興通訊難以找到合適的國內(nèi)芯片供應(yīng)商，因此有相當(dāng)一部分元器件由總部在美國的上游供應(yīng)商提供，此次被禁止從美國進(jìn)口任何商品直接扼住了中興通訊發(fā)展甚至生存的咽喉，同時也對國內(nèi)產(chǎn)業(yè)鏈上對中興通訊依賴性較強的企業(yè)產(chǎn)生了影響。因此，評估企業(yè)財務(wù)風(fēng)險時有必要分析供應(yīng)鏈傳導(dǎo)影響。首先應(yīng)判斷對上游和下游企業(yè)的依賴度，該因素可通過供應(yīng)商（客戶）所處行業(yè)的密集度、單家采購量（銷售量）占比、零件（商品）重要性等指標(biāo)來衡量。其次應(yīng)對依賴度較高的上下游企業(yè)的財務(wù)狀況進(jìn)行分析，當(dāng)發(fā)現(xiàn)它們可能面臨財務(wù)危機時及時做出預(yù)警。

5.宏觀經(jīng)濟影響分析。宏觀經(jīng)濟決定了企業(yè)經(jīng)營的大環(huán)境，諸如新出臺的產(chǎn)業(yè)政策、經(jīng)濟危機、政府的宏觀調(diào)控行為等宏觀經(jīng)濟影響因素都會對企業(yè)的未來發(fā)展產(chǎn)生影響。同時，就像美國挑起的貿(mào)易戰(zhàn)以及上文提到的對中興通訊的制裁一樣，宏觀經(jīng)濟因素對企業(yè)造成的影響常常是企業(yè)無法控制的，且影響程度通常較大，有時甚至?xí)まD(zhuǎn)企業(yè)財務(wù)風(fēng)險水平，因此在進(jìn)行財務(wù)風(fēng)險預(yù)警時必須對其加以重視。由于用于宏觀經(jīng)濟因素分析的數(shù)據(jù)以文字為主，因此在分析預(yù)警時可考慮借助大數(shù)據(jù)技術(shù)進(jìn)行語調(diào)分析，識別出利好信息和不利信息，再結(jié)合上文所述的其他分析結(jié)果做出最終的預(yù)警決策。

6.常態(tài)預(yù)警路徑與特殊預(yù)警路徑的差異分析。

上述方面的預(yù)警分析是常態(tài)預(yù)警和特殊預(yù)警都必須執(zhí)行的路徑，在數(shù)據(jù)收集、處理和分析程序?qū)嵤┑幕A(chǔ)上，這兩種機制后續(xù)的預(yù)警路徑存在一些差異。

如圖3所示，常態(tài)預(yù)警機制由財務(wù)部門主導(dǎo)，需每天進(jìn)行數(shù)據(jù)更新，生成報告后可由財務(wù)部門的相關(guān)人員分別發(fā)送到不同層面的報告使用者手中。根據(jù)預(yù)警報告使用者的不同需求，報告發(fā)送頻率可有所不同，在有緊急需求時，也可發(fā)送實時報告。另外，在內(nèi)容上也可有所區(qū)別。

圖3 常態(tài)預(yù)警路徑示意

部門層面的財務(wù)風(fēng)險預(yù)警屬于較低層次的預(yù)警。在現(xiàn)有預(yù)警機制下，基于成本效益原則，該層面往往不進(jìn)行財務(wù)風(fēng)險預(yù)警。但在新機制下，各層面財務(wù)風(fēng)險預(yù)警所需數(shù)據(jù)可以一次性收集完成，避免了多次收集數(shù)據(jù)產(chǎn)生的成本。數(shù)據(jù)的全面性和多維性為各層面的財務(wù)風(fēng)險預(yù)警奠定了基礎(chǔ)，使部門層面的風(fēng)險預(yù)警得以進(jìn)行。該層面的財務(wù)風(fēng)險影響較小，因此該層面的報告使用者對預(yù)警準(zhǔn)確性的要求較低，對及時性的要求較高。在進(jìn)行數(shù)據(jù)采集時可鉤選以企業(yè)內(nèi)部數(shù)據(jù)為主的財務(wù)和非財務(wù)數(shù)據(jù)，對風(fēng)險進(jìn)行簡單分析，并生成較為簡單的預(yù)警報告。

業(yè)務(wù)層面的財務(wù)風(fēng)險預(yù)警主要針對企業(yè)較為重大的經(jīng)營活動和投融資活動。企業(yè)在進(jìn)行上述活動時，必然要綜合考慮自身因素和行業(yè)因素。在新機制下，通過對企業(yè)內(nèi)部狀況分析、行業(yè)風(fēng)險分析、行業(yè)關(guān)聯(lián)影響分析和供應(yīng)鏈傳導(dǎo)影響分析，可以清晰地刻畫出企業(yè)在經(jīng)營活動和投融資活動中面臨的種種財務(wù)風(fēng)險。在指標(biāo)選取上，傳統(tǒng)的財務(wù)指標(biāo)可以很好地反映企業(yè)及行業(yè)發(fā)展現(xiàn)狀，但貸款利率和稅率等相關(guān)政策變動、行業(yè)內(nèi)企業(yè)數(shù)量變動以及網(wǎng)絡(luò)輿情等信息可以更好地顯示出企業(yè)和行業(yè)未來的發(fā)展態(tài)勢，因此在進(jìn)行業(yè)務(wù)層面預(yù)警時也應(yīng)加以考慮。同時，與部門層面相比，業(yè)務(wù)層面的預(yù)警報告內(nèi)容更加充實。

相比上述兩個層面，戰(zhàn)略層面財務(wù)風(fēng)險預(yù)警的影響最大，往往關(guān)乎企業(yè)未來的生存與發(fā)展。該層面需要考慮全局性、長遠(yuǎn)性的風(fēng)險，從而為戰(zhàn)略決策提供支持。因此，戰(zhàn)略層面的風(fēng)險預(yù)警不僅要考慮企業(yè)自身因素和相關(guān)行業(yè)發(fā)展影響，還要考慮宏觀經(jīng)濟的影響。在指標(biāo)選取上，應(yīng)更多關(guān)注宏觀經(jīng)濟數(shù)據(jù)，對宏觀經(jīng)濟發(fā)展趨勢加以判斷和分析，識別當(dāng)前經(jīng)濟態(tài)勢和未來經(jīng)濟走向?qū)Ρ酒髽I(yè)發(fā)展的影響，以便準(zhǔn)確識別與應(yīng)對經(jīng)濟危機級別的風(fēng)險。同時，應(yīng)更加重視以往對預(yù)測結(jié)果的評價，盡可能增加當(dāng)前風(fēng)險識別的準(zhǔn)確性。因此，戰(zhàn)略層面財務(wù)風(fēng)險預(yù)警是基于全部預(yù)警指標(biāo)進(jìn)行的，預(yù)警報告一般提供給董事會，其內(nèi)容也更加翔實。

圖4 特殊預(yù)警路徑示意

如圖4所示，特殊預(yù)警機制在企業(yè)需要做出重大決策時啟用，因此更具有針對性。在實施時一般由需要做出決策的組織主導(dǎo)，在進(jìn)行數(shù)據(jù)采集時，可根據(jù)決策項目需要增加針對該項目的補充資料，也可對預(yù)警敏感性進(jìn)行調(diào)整，從而使預(yù)警結(jié)果可以更好地滿足決策需求。預(yù)警報告僅出具給該組織的相關(guān)人員，作為其決策參考。

五、研究結(jié)論與展望

大數(shù)據(jù)環(huán)境下，企業(yè)財務(wù)風(fēng)險預(yù)警是在前所未有的超大規(guī)模數(shù)據(jù)的基礎(chǔ)上展開的，這些數(shù)據(jù)在風(fēng)險識別和分析機制中被多次加工和反復(fù)利用，從而實現(xiàn)多維度和全方位的風(fēng)險預(yù)警，以滿足不同層面的財務(wù)預(yù)警需求。同時，大數(shù)據(jù)下的財務(wù)風(fēng)險預(yù)警機制可以快速支持企業(yè)內(nèi)部狀況分析、行業(yè)分析、供應(yīng)鏈傳導(dǎo)分析、行業(yè)關(guān)聯(lián)影響分析和宏觀經(jīng)濟影響分析等五個維度的數(shù)據(jù)挖掘與分析，為預(yù)警的及時性和準(zhǔn)確性提供更加有力的保障。在今后的研究中，可以結(jié)合人工智能技術(shù)，根據(jù)各個企業(yè)自身的特點，為企業(yè)量身定制預(yù)警指標(biāo)，并調(diào)整指標(biāo)權(quán)重，實現(xiàn)個性化財務(wù)風(fēng)險預(yù)警，使預(yù)警的準(zhǔn)確性、及時性和穩(wěn)定性得到更好的保障。