大數據背景下企業財務風險預警機制的建立

李佳婧　見蘭琪　劉春

【摘 要】大數據的廣泛應用為企業財務管理帶來更多機遇的同時，也對企業財務管理造成了一定的沖擊。面對如此的形勢，必須利用大數據的優勢，建立適當的企業財務風險預警機制，準確地識別、計量、監控及防范企業財務風險，從而確保企業地持續健康發展。

【關鍵詞】大數據;財務風險;預警機制

中圖分類號： F275 文獻標識碼： A 文章編號： 2095-2457（2019）32-0249-002

DOI：10.19694/j.cnki.issn2095-2457.2019.32.117

0 引言

近些年，我國經濟持續高速發展，又由于大數據的發展，我國大經濟環境出現了更多的發展機會，但財務風險問題也隨之暴露。面對當前競爭激烈、多不確定性的市場形態，必須通過大數據建立有效的財務風險預警機制，達到準確預測、識別財務風險的目的。

“大數據”被未來學家托夫勒在《第三次浪潮》稱為——“第三次浪潮的華彩樂章”。而大數據這一概念的正式提出是在2008年8月，同年9月《自然》推出了名為“大數據”的雜志專欄。最早應用大數據的企業是麥肯錫公司，它提出“各個行業和領域都已經被數據滲透了，目前數據已成為非常重要的生產因素。”當前大數據的發展具有“跨學科領域”的特征，大數據的廣泛應用，帶動了多種行業的發展，我們正從IT時代走向DT時代，與此同時，核心競爭力也逐漸轉變成了，數據為社會創造價值的能力和利用數據盈利的能力。大數據時代，數據治理成為了核心，大量的數據井噴式涌現，確保數據的有效性、真實性、可靠性成為了研究者們的新的挑戰，對所獲取的數據進行管理控制，使數據更具有價值，從而產生更高的價值。

相較于傳統的數據庫，IBM提出了大數據的5V特點，即Volume（大量）、Velocity（高速）、Variety（多樣）、Value（低價值密度）、Veracity（真實性），大數據實際上就是，將大量的數據通過獲取、存儲、管理、分析等途徑，使其資源化，以達到數據共享的目的。大數據本身并不具備很高的價值，只有被“活用”了的大數據才能充分發揮其價值。

大數據與財務風險預警機制建立的融合，使得企業財務風險預警機制更加智能化，能夠更加高效地服務于企業。大數據的應用彌補了原有財務風險預警機制地不足。目前已有一些應用大數據建立的財務風險預警機制模型，例如人工神經網絡方法和支持向量機模型等。

1 企業財務風險預警機制與大數據的融合

早期財務風險預警機制。早期的財務風險預警機制經歷了從單變量分析法到極具進步意義的多變量分析法這兩個階段。Fitzpatrick以19對破產和非破產公司作為樣本進行實驗分析后，于20世紀30年代最早提出了財務風險預警機制這一概念模型，實驗的結果表明凈資產收益率和股東權益/負債這兩個指標在破產公司和非破產公司間具有顯著差異。單變量分析法具有簡單、直觀且有效的優點，但其存在極大的局限性，通過對不同的財務比率分析能夠得到截然不同的結果，預警指標和警戒值的確定應當結合所在行業、企業規模等其他情況具體考慮。

之后Altman又提出了Z計分模型，該模型有效解決了之前模型存在的問題，它對五種財務比率進行加權匯總得出總判別分（稱為Z值），來預測財務危機。隨著對財務風險預警機制研究的深入，多種財務風險預警模型逐漸出現，財務風險預警體系也愈加健全完善，但這些模型都需要足夠大的樣本作為支撐，巨大的計算量使財務分析工作過于繁瑣。

當前財務風險預警機制。目前，應用了大數據的企業財務風險預警機制模型主要有——人工神經網絡方法、遞歸劃分算法、支持向量機模型這三種，其中支持向量機模型構建的LS-SVM財務危機預警模型判別準確率高達89.91%。

人工神經網絡方法是一種平行分布處理模型，它把各個結點看作是“人工神經元”，故稱之為人工神經網絡。受自然神經元靜息和動作電位的產生機制啟發建立了人工神經網絡模型，簡單來說，人工神經元模型包括多個輸入，由于收到信號強度不同便形成了不同的權重值，輸入與權重值相乘之后由激活函數決定是否輸出。而人工神經網絡就是把這些人工神經元融合在一起進行信息處理，它具有高度并行計算額能力、自學能力和容錯能力，通過人工神經網絡方法所建立的財務風險模型能夠更好的擬合資料數據，使預測精度更高。

每一種預測模型都有其各自的優勢與劣勢所在，企業在對其進行應用時還應根據企業自身所處行業、風險標準、防范態度等各因素綜合考慮，建立適應有效的財務預警機制，充分、合理利用大數據，積極應對大數據對企業財務管理所帶來的挑戰。

2 企業財務風險預警機制的構建

大數據背景下企業財務風險預警機制的構建過程 大數據環境下，風險管理是在前所未有的大規模數據的基礎上展開的，全面收集不同層面所需要的海量數據，構建多層次風險控制體系，通過專業的風險分析模型與風險管理模型的充分利用，提高企業層面的風險管理與預警能力。此外，數據還可以實現一次收集反復利用，這可以很大程度上減少時間和成本，有效利用數據資源，通過對數據的有效利用，擴大風險預警的適用范圍，降低風險。

公司風險管理的一個重要內容就是建立合適的風險預警機制。財務風險貫穿于企業財務管理的全過程，建立有效的企業財務風險預警機制，做到防患于未然，是確保企業持續健康發展的必由之路。建立財務風險預警機制的基礎便是，正確衡量財務風險。財務風險會影響企業的償債能力、營運能力以及盈利能力，財務風險的監控對企業提高管理水平，保持競爭力，保障利益起到很大的作用。

財務風險預警機制的構建可以分為識別財務風險、確定財務風險要素、設計風險評估模型、評估財務風險、制定應對策略這五個步驟。當企業面對的財務風險主要是在生產經營過程中時，必須識別影響企業目標的內部和外部財務風險，并對其進行分類，從生產到管理、計劃到考核，可以說體現在財務數據上的所有指標都是影響財務風險的要素，因此，確定財務風險要素的首要任務就是運用合理的方式進行風險評估。企業在選擇應對財務風險的策略時，應當注重風險和成本效益的關系，在風險降低同等的程度上，找到風險和收益的平衡點，其次要堅持風險組合觀，在財務風險監控中，要從公司的角度全面考慮風險，不能從單個業務或者某個部門考慮單個風險，否則這些單個風險的匯總就可能會超出公司的承受度。

正確衡量財務風險后就是要建立適合本企業的財務風險預警機制，監控能夠準確反映企業財務風險的主要指標，如償債能力、營運能力、盈利能力指標等。當然，財務指標只是建立財務預警機制的基礎，想要完善其，還必須使用系統的方法和模型，定性和定量相結合。同時還要加強財務風險預警機制的后續管理工作，例如日常監管和維護，保證數據的更新和共享，確保預警功能的準確和及時。

構建大數據背景下企業財務風險預警機制的意義任何企業，不論其處于何種行業、經營何種業務范圍，都會面臨不同程度的風險與危機，而財務風險則是其中備受關注的一種風險，它具有不可避免、不可消除的特點，所以通過大數據建立有效的財務風險預警機制是極其有必要的，大數據的應用能夠使所建立的財務風險預警機制更加全面和科學，它能夠高效處理大量的信息，并捕捉和篩選有效信息，為企業的財務風險防范建立一道堅固的防護墻，與此同時，大數據能夠實時分析各類數據，對企業各個方面進行監測，及時對財務風險進行控制，使各部門能夠及時有效作出應對措施，使企業能夠更加健康的運營。

3 結論

綜上所述，大數據背景下企業財務風險預警機制的建立，應當全面考慮企業自身狀況，深度剖析所處行業，選擇適當的財務指標作為財務預警機制的基礎，對企業財務風險進行實時監測，準確識別和計量財務風險，達到風險管理的目標。

在大數據時代，企業應該創新企業財務管理模式，積極學習國內外先進的大數據財務管理技術，優化企業的財務管理水平。近年來，大數據在我國已經逐漸成形，但與發達國家仍有很大差距，這需要我們在實踐中進行不斷探索與研究，通過理論研究做出系統規劃，使大數據更廣泛的應用于各領域，加速我國經濟發展。

【參考文獻】

[1]劉建軍.大數據時代企業財務風險預警機制與路徑探究_蔡立新[J].全國流通經濟，2018，卷缺失（35）：118-119.

[2]李北偉，季忠洋，朱婧祎.大數據生態系統構建機制研究_以阿里巴巴為例_李北偉[J].情報科學，2018，卷缺失（2）：45-49.

[3]晁文琪.中國石油天然氣集團財務風險的管理與評估[D].廣州大學，2017.

[4]董月超.中國石油天然氣集團公司財務風險管控研究[D].中國礦業大學（北京），2012.

[5]時鈺.企業財務風險預警機制的構建研究[J].會計之友（下旬刊），2008（09）：32-33.