灰色系統(tǒng)在企業(yè)財務風險預測中的應用

位秋亞 廣東理工學院會計學院

一、相關理論概述

（一）灰色系統(tǒng)

因為信息不對稱的存在，在對某件事物進行分析的時候，會發(fā)現(xiàn)有些信息是可知的，而有些信息是不可知的。如果把其看作系統(tǒng)的話，信息已知的部分我們稱之為白色系統(tǒng)，而信息未知的部分我們稱之為黑色系統(tǒng)，那灰色系統(tǒng)即是指信息不完全的系統(tǒng)。因此，灰色預測也就是對雖看似隨機但卻含有潛在規(guī)律的數(shù)據(jù)進行的跟時間序列有關的預測在建模時，將系統(tǒng)模擬為一個隨時間的變化而改變的函數(shù)，灰色系統(tǒng)在對數(shù)據(jù)分析的時候，不同于別的回歸分析的模型，不需要大量的具有明顯的規(guī)律性的數(shù)據(jù)，對于一些表面雜亂無章的數(shù)據(jù)仍然能夠獲得較好的預測結果，畢竟任何事物作為一個整體來考慮時，總會有其內(nèi)在的發(fā)展規(guī)律的?；疑到y(tǒng)對于隨時間累加不斷增長的數(shù)據(jù)，得出的預測效果更好。

（二）財務風險

財務風險有兩種劃分標準，狹義上的財務風險指的是其造成的財務方面的損失是不一定的，變大變小都有可能。廣義上的財務風險認為其有兩方面的可能，即有利可能與有害可能。大體來說，財務風險指的是企業(yè)因為借入資金而無法進行償還債款的可能性以及隨之產(chǎn)生的股東收益的可變性。

（三）財務風險預測

財務風險預測是指在預測企業(yè)可能存在的財務的風險時，以企業(yè)的會計報表為依據(jù)，靈活運用財務相關的數(shù)學模型或者各種財務工具，檢測企業(yè)在生產(chǎn)經(jīng)營過程中的財務狀況，預測企業(yè)財務工作中存在問題的可能性及時間趨勢。任何企業(yè)存在財務風險時，均會有一些異常情況的體現(xiàn)，特別是在一些財務指標上會有所表現(xiàn)出來，雖然說有時這些異常財務指標的發(fā)生可能是隨機的，但是任何事物的發(fā)生總是有規(guī)律性的，即是有周期性的，因此。我們可以根據(jù)其周期性來預測企業(yè)未來可能出現(xiàn)風險的時間，從而幫助企業(yè)對財務風險的發(fā)生留有足夠的反應時間。

二、灰色系統(tǒng)模型建立及實證分析

灰色系統(tǒng)理論在實際應用中常常通過建立數(shù)學模型來完成，即灰色模型。在進行財務風險預測最常用的灰色模型是GM(1，1)這一數(shù)學模型。朱琴等人對灰色預測適用于財務風險預測進行了論證并利用財務杠桿系數(shù)建立了預測模型，得出了較為準確的結論。莊芳芳認為采用灰色模型可以幫助企業(yè)完成財務風險評價，并且發(fā)現(xiàn)根據(jù)該模型得出的評價結果的準確度較高。顏燁等以造紙業(yè)為研究對象進行實證分析，發(fā)現(xiàn)灰色模型可有效進行財務風險預測。

（一）灰色系統(tǒng)GM（1，1）模型建立

上式中，我們稱Y為數(shù)據(jù)向量，B為數(shù)據(jù)矩陣，α為參數(shù)向量。則上式可簡化為如下線性模型：

對白化方程進行求解，并進行離散化可得出最終函數(shù)公式即：

（二）實證分析

1.預測指標的選取

為了檢測灰色模型在企業(yè)財務風險預測中的有效性，我們需要對其進行數(shù)據(jù)檢驗。即根據(jù)灰色GM（1，1）模型預測出的數(shù)據(jù)跟實際數(shù)據(jù)進行對比分析，確認其精確度及其有效性。在檢測之前我們需要選定指標來明確選取哪些數(shù)據(jù)進行檢驗分析，財務指標的選取對于企業(yè)財務風險的預測結果會有非常大的影響，影響企業(yè)財務風險的因素有很多，我們需要從中選取一個最具有代表性的財務風險指標作為此次預測指標，否則會嚴重影響到預測結果的正確性。本文選取財務指標中的財務杠桿系數(shù)作為預測指標來檢驗該模型，因為其具有代表性，其杠桿系數(shù)和財務風險具有明顯的正相關性，財務杠桿系數(shù)的數(shù)值越大，代表企業(yè)面臨的無法償還債款的可能性越大。同時財務杠桿系數(shù)是一個可根據(jù)財務數(shù)據(jù)以及計算公式計算出的具體數(shù)值，方便我們進行定量分析，且具有時間有效性。

2.樣本選取及模型分析

已知選取財務杠桿系數(shù)作為預測指標的前提下，其可供選擇的樣本公司有很多，為了檢驗結果的準確性，本文從國泰安數(shù)據(jù)庫中隨機選取一家A公司進行數(shù)據(jù)分析，其近五年的財務杠桿系數(shù)（見表1）如下。

表1 A公司五年間財務杠桿系數(shù)表

接下來運用excel軟件對上述GM（1，1）模型涉及到的公式進行函數(shù)編輯，最終得到A公司2015年至2019年間所預測出的財務杠桿系數(shù)，根據(jù)這些數(shù)據(jù)與上述收集到的A公司2015-2019年間的實際財務杠桿系數(shù)進行數(shù)據(jù)相對誤差分析，根據(jù)相對誤差的大小，從而可以得出該灰色模型在A公司財務風險預測中的有效性有否，預測值與原始值分布情況如圖1所示：

一般單一的數(shù)據(jù)預測的精度在10%左右即認為效果理想。而根據(jù)預測出來的數(shù)值和A公司原有的財務杠桿系數(shù)值我們可以計算出其相對誤差，可以發(fā)現(xiàn)其預測相對誤差均小于10%，因此說明該模型預測數(shù)據(jù)較準確，擬合效果較好，可進行有效的財務風險預測。

三、結論

由前面內(nèi)容的分析我們可以得知，灰色系統(tǒng)理論在企業(yè)財務風險預測中的應用是較廣泛的，其灰色模型即GM(1，1)模型可以有效的對企業(yè)財務風險進行風險預測，預測數(shù)值和實際數(shù)值相對誤差較小，結果較理想。因此，企業(yè)在對其財務風險進行控制防范時，可有效利用該模型對其財務風險提前進行預測，并根據(jù)預測結果做好應對工作。另外在指標選取時我們可以選取具有時間有效性以及可定量性以及代表性的財務杠桿系數(shù)作為理想指標進行分析。但同時我們需要認識到，任何預測模型都不可能是完美的，均有可能有些外界因素會影響到其結果，而且財務風險的影響因素亦不單單只有可定量的一些指標，還包括一些不能用具體數(shù)值來表現(xiàn)的影響因素，譬如企業(yè)文化或者企業(yè)職工的素質(zhì)等等；本文因為分析需要只選取了可定量化的財務杠桿系數(shù)作為指標進行分析，因此這也是本文不足的地方，如果能加上一些定性指標的設計，其結果預測的準確度將得到進一步的提高。