基于數據挖掘的上市公司財務危機預警研究

崔維康 張曉萍 張若望 王麗媛 胡安琴 劉虹雨

引言

經濟的快速發展增長，上市公司的規模也越來越壯大，據統計2018年底，深滬上市公司數量已經壯大到3584家，營收相當于中國GDP的一半。上市公司發展如火如荼，但是企業在追求利潤的同時，財務風險也隨著出現了。財務危機的出現是企業發展過程中至關重要的重要難題，學習財務危機預警的方法和避免財務危機出現的手段是現在企業必須具備的能力。不然在面對出現的財務風險時，可能就會束手無策。現在在信息發達的互聯網時代，數據挖掘技術不斷的發展和完善，數據挖掘通過對于企業的經營信息進行處理，對數據進行快速高效的處理，找出那些財務指標出現惡化的表現，從而判斷出企業所處在的財務危機不同的階段。這樣便于企業根據財務危機預警的表現來進行經營決策等一系列的管理行為，對于企業的更好發展做出貢獻。

一、財務危機理論

（一）財務危機的判定

財務危機，亦為財務風險不斷積累的結果，在廣義上定義為，企業的各項財務活動在，受不確定因素影響使得財務業務的結果和預期的收益發生一定程度上的偏離，形成了有可能使企業遭受損失的可能。從狹義上來說，財務危機是企業喪失了償付能力。財務危機由很多種的類型，例如籌資危機、收益分配危機、投資危機、現金流量危機等等。

（二）財務危機通常有五種表現形式。當企業出現這五種財務現象時，可能財務危機即將發生

（1）無力償還到期債務，且無債務重整計劃。無力償還到期債務是企業面臨嚴重的財務危機的表現形式。一是即使企業的資產負債表表現良好，但由于現金短缺，而且其他固定資產等又難以及時變現。二是企業借貸款金額過大，企業本身無力償還。這是企業到期無力償還債務的兩種情況。（2）現金循環中斷，現金入不敷出。當企業陷入財務危機時，有一個重要的表現形式就是現金資金鏈斷裂，現金支付嚴重不足。企業現金資金鏈斷裂，直接影響企業的經營生產過程，影響企業的正常運轉。企業有可能因此陷入破產的境地。（3）巨額投資沒有回報。企業想要利用有限資源進行利益最大化，那多元化投資對于企業來說是必不可少的操作。但是在進行投資時，企業應當將企業的資產結構和資本結構進行良好的協調，如果這一步處理不好，可能導致企業資金不能周轉，投資沒有回報，企業損失過大，嚴重的可能導致企業破產。（4）產品銷量不好，大量庫存商品積壓。庫存商品是直接反映在企業的資產負債表上，對于企業的資產狀況和損益狀況都有直接的影響。產品不隨著消費者需求的變化而變化，產品大量積壓導致企業資金周轉緩慢，可能導致企業無力償還到期債務，資金鏈斷裂，造成嚴重的財務危機。（5）主營業務收入嚴重下滑，企業利潤依靠關聯方交易和外來補貼。企業長期穩定的發展都是依靠著主營業務的穩定。若是主營業務收入嚴重下滑，以致造成企業的巨額虧損，讓企業陷入財務危機。大多數上市公司為了改善財務狀況，保持股價穩定，通常會采用與關聯方交易和獲得外部政府的補貼等手段來粉飾財務報表，使上市公司從表報看起來是盈利的，但是這些手段都無法掩飾企業陷入了財務危機的本質。

（三）財務危機對于企業的損傷如此之大，企業應當采取怎樣的措施或者方法來預防財務危機的出現呢

我為大家列舉的兩種方法措施。

（1）財務報表對比分析法。這個方法有利于企業的管理者分析是否存在財務風險跟財務危機。管理者有較強的財務分析能力，加之通過企業自身的資產負債表、損益表、現金流量表等對企業自身經營狀況和財務狀況有很好的反饋。財務報表對比分析法能夠讓企業及時發現財務漏洞，這是預防出現財務危機很有效的方法。（2）財務指標計算判定法。財務指標的計算能很好地反應企業一段時間內的經營狀況，也是對于判定財務危機出現的標準。當財務指標超過一定的范圍時，可以認定該企業出現了財務危機。財務指標一般可以包括償債能力、流動資產周轉率、凈資產收益率、股東權益比率等等。企業可以根據這些指標進行計算并與安全范圍進行比較，然后判定企業是否處在財務危機的范圍，這也是有效預防出現財務危機的一種重要方法。

二、數據挖掘理論

由于傳統的財務危機的預測受個人經驗等影響，分析經常不全面，計算方法也復雜多樣。隨著現在時代的發展，數據挖掘也快速成長和發展。數據挖掘理論的不斷完善也推動這財務信息的系統化發展，建立更加高效、全面、客觀的財務危機評價系統也成為各位學者研究的方向。

（一）數據挖掘概念

數據發掘一詞是隨著信息時代到來而出現的，美國計算機年會（ACM）在1995年規定了數據挖掘的概念，其是指從數據庫中提取隱含的、不為人知的、具有潛藏使用價值的信息過程。財務危機需根據財務報表跟財務指標來判斷，財務報表中隱含著許多信息不易被發現，此時數據挖掘的出現解決了這樣的難題，通過數據挖掘發現這些報表中隱藏的信息，加以模型判定，可以更加準確地判斷此時企業所面對的財務狀況，為財務危機預警貢獻很大。

（二）數據挖掘技術主要方法

數據挖掘技術的不斷發展和完善，主要有四種方法：聚類分析、決策樹分析、關聯分析和人工神經網絡。

（1）聚類分析。該方法是將數據分為許多組別，因為在提前處理數據是五類別歸屬，所以數據要根據“組內相似性最大，組間相似性最小”的原則來將數據進行分類。每個組內數據相似度最大。每一個組視為同類數據的集合。再根據相應的分類預測模型來對分類數據進行分析，最后得到相應的預測結果。（2）決策樹分析。決策樹分為兩種一個是分類樹，是對最終結果進行分類預測，另一種是回歸樹，是對最終結果進行數值預測。決策樹是一種從上而下一層一層的遞歸方式，把信息在決策樹的內部的節點進行比較，根據不同的性質將信息進行向下分支，最后到葉節點得到最終結論。（3）關聯分析。該方法就是找出在數據中發現頻繁一起出現的數據的條件。就像美國的一項研究，來買尿布的人一定會買啤酒，這就是利用了關聯程度分析營銷策略的一種表現。（4）人工神經網絡。這種方法是利用BP神經網絡結構將挖掘的數據輸入進去，在輸入層和輸出層有一個隱含層，將輸入的數據在隱含層進行層層分析聯系，最后輸出對應的目標。

（三）數據挖掘技術在財務危機預警方面的應用

從財務報表等歷史的財務數據信息中自動推倒并且判斷出企業現在是財務狀況與發生財務危機的可能性，從而可以對上市公司未來經營活動和財務風險進行預警，這是上市公司一直尋找更加高效、快速、合理的數據挖掘模型來進行財務危機預警的目的。將歷史的財務數據進行分類用來預測，預測的目的在于從歷史的數據中自動導出給定數據的模型，用來預測未來發生狀況。在數據的統計方面，根據分類的技術不同，分為回歸分析和判定分析。回歸分析中常用方法是線性回歸、Logistic回歸和概率比回歸模型。而判定分析中由于函數建立的不同，通常有距離判別、Fisher判別和貝葉斯判別方法。在知識分類方面通常應用人工神經網絡決策樹和關聯規則。在進行利用數據挖掘技術來進行財務危機預警分析之前，應當先收集與企業財務有關的信息數據，然后構建財務危機評價指標體系，可以選擇相關的財務指標，例如償債能力、流動資產周轉率、凈資產收益率、股東權益比率等指標體系。首先要將收集到的財務數據進行一系列的處理，即財務預處理。對數據進行指標壓縮和降維處理，為數據挖掘技術的應用做好準備。在這里列舉一個方法，可運用關聯分析的方法找到各個評價指標之間的規則，再引入人工神經網絡方法，建立財務危機預警模型，帶入上市公司本期的財務數據，從而預測出上市公司下一期的財務危機程度。據此，上市公司可以采取相應的對策或者措施來規避一些財務危機的發生。

三、結語

傳統的財務危機的預警方法大多數是靠企業的管理者根據財務報表跟財務指標自行分析，但是由于管理者自身能力的不同，再加之各種不確定主觀因素的影響，財務危機的預測總是不盡如人意。現在隨著數據時代的到來，數據挖掘技術發展也來也成熟。將數據挖掘技術應用于財務信息的處理以及財務危機預警中來，極大地提高了財務危機預警的準確率，也排除許多外界干擾因素，使更多財務數據中隱藏的信息顯現了出來。基于數據挖掘的上市公司財務危機的預警也變得高效、便捷和準確了。