基于粒子群優化算法的現代企業財務危機預警系統設計

趙 吉

(長春人文學院,吉林 長春 130000)

0 引言

財務危機的研究一直是世界范圍內最廣泛的研究話題之一。一般而言,在對財務危機問題進行分析時,需要引入多種模型,例如統計模型、人工智能模型等,在相關學者的研究中,財務危機的單變量預警研究成了這一階段的里程碑。當前,隨著證券市場的產生以及快速發展,現代企業的業績狀況不容樂觀,并且突出問題表現在其嚴重的財務危機上,部分現代企業的虧損面積與虧損數額呈現出逐漸增加的趨勢[1]。而且在當前全球經濟形勢發展背景下,金融一體化逐漸成為未來發展的主要趨勢。對于每個國家而言,其金融安全問題都會在一定程度上影響到其他國家經濟的未來發展。雖然目前我國的金融監管體系正在不斷發展和完善,但與國際監管體系相比,仍然存在較大差距[2]。針對這一問題,該領域研究人員對其開展了更加深入的研究,并將研究重點放在了對現代企業財務危機的預警話題中。然而現有預警系統的預警仍然是小樣本預警事件,需要通過大量數據才能夠達到一定精度,因此會導致其運行效果受到影響,導致實際運行中的準確率較低。針對這一問題,本文引入粒子群優化算法,對現代企業財務危機預警系統優化設計進行研究。

1 系統硬件設計

本文在對現代企業財務危機預警前,首先通過硬件結構的建立為軟件部分的計算以及相關程序的運行提供環境條件。為確保粒子群優化算法的穩定運行,本文構建如圖1所示的預警系統硬件結構。

圖1 預警系統硬件結構

本文在對現代企業財務危機進行預測時,首先需要具備充足的基本信息,因此主要利用數據庫服務器為基本信息的存儲、分析以及處理提供硬件條件。選用ThinkSystemSR658型號ERP服務器作為本文預警系統的數據庫服務器,利用該型號服務器的雙工內存和雙路CPU為基本信息提供充足的存儲空間,同時也可以方便后續對數據提取。同時,該型號數據庫服務器可支持16個2.5企業級SSD,SAS等多種接口硬盤,能夠充分滿足大中小規模企業的日常財務數據運行所需[3]?？紤]到預警系統需要更加強大的控制芯片實現對粒子群優化算法的運行,因此本文在選擇主控制芯片時,主要選用NY8B062D型號微控制器芯片作為預警系統的主控制芯片。本文將該型號芯片應用到預警系統中,以針對企業財務數據的變化情況,實現相關算法的自動運行,從而進一步提高預警系統的及時性和高效性。

2 系統軟件設計

2.1 現代企業財務原始數據標準化處理

由于現代企業在運行過程中其財務原始數據屬于不同的量綱,因此存在部分數據輸入系統會出現樣本特大或樣本特小的奇異樣本數據。這部分數據的產生會在一定程度上影響預警系統的運行效率,并會造成系統無法實現收斂的問題。因此,本文需要對財務原始數據進行標準化處理[4]。在系統中引入歸一化函數premnmx函數,再對所有樣本數據進行標準化處理,并確保其最終數據全部分布在[-1,1]區間范圍內。premnmx函數的表達式為:

公式(1)中,P表示原始數據樣本輸入值;T表示原始數據樣本輸出值;Pn表示標準化處理后的輸入數據;minp表示P中的最小值;maxp表示P中的最大值。按照上述函數,完成對原始數據的標準化處理,為后續危機預測提供數據條件。

2.2 基于粒子群優化算法的危機預測及預警閾值設定

在完成對現代企業財務原始數據標準化處理后,本文利用粒子群優化算法在實際應用中具備的最優解尋找和快速收斂優勢,對財務危機問題進行預測。選用粒子群優化算法中的核心函數,將其作為支持向量機的內核函數,構建的表達式如公式(2)所示:

公式(2)中,i表示粒子種群數量;d表示維度;k表示迭代次數;表示在第k+1次迭代當中粒子種群i的第d個粒子的運行速度。將上述公式代入本文系統當中,可實現種群中每個粒子的不斷學習更新,并在運行完畢后對最優解進行展示,此時得到的最優解即為現代企業財務預測結果。在實際應用中,本文首先需要在充分了解企業財務危機概念的基礎上,在完成標準化處理的數據后,需要選擇發生財務危機的企業和運行良好的企業進行配對,以組成訓練樣本。其次,在確定訓練樣本后,本文會根據現代企業實際運行狀況,建立財務危機指標體系。最后,對所有指標進行篩選,并選擇對財務危機預警較為敏感的指標,將其代入粒子群優化算法的核心函數中,對結果進行預測。

本文在設定預警閾值時,需要按照現代企業相關財務指標的數據變化情況,將數值設置為能夠預測發生財務危機水平的臨界數值[5]。在預警系統實際運行過程中,應當確保設定的預警閾值應以滿足國際標準對現代企業經濟特征以及財務危機發生時臨界值的各項指標變動情況為條件進行確定。同時,針對沒有明確規定的預警閾值指標,應當參考經濟發展穩定時期其他資產狀況類似的企業的各項指標數值,并參照經濟、金融背景等在發展穩健時期的各項指標的數值,以此完成對預警閾值的設定和動態調整。

3 對比實驗

本文從硬件和軟件兩方面實現對現代企業財務危機預警系統的理論設計,為進一步驗證該系統在實際應用中的效果,并充分體現本文系統的優越性,本文選擇將現代企業股票被進行特別處理作為企業發生財務危機的判別標準,針對被特別處理的現代企業對其財務危機進行預警。

為了在實驗過程中,消除宏觀經濟環境因素以及經濟周期變化等因素對預警結果造成的影響,本文選擇被特別處理的200家現代企業作為實驗樣本,樣本中70%企業為制造業、5%企業為服務業、3%企業為采礦業、2%企業為旅游業、20%企業為其余行業。分別利用本文提出的預警系統和基于風險控制的預警系統(文獻[4]系統)對上述200家現代企業進行財務危機預警。在實驗中主要選擇將兩種預警系統得出的后5年企業的財務狀況預測精度作為評價指標,并將其與該企業真實的后5年財務收支情況進行對比,計算其預測偏差。

其中,d表示預測偏差,z表示真實財務收支情況,u表示預警系統預測,得出財務收支情況。結合上述內容,完成實驗后,將實驗結果繪制成表1所示。

表1 兩種預警系統實驗結果對比

通過表1中各組數據對比可以看出,本文預測系統給出的預測結果與實際偏差更小,而風險控制的預警系統給出的預測結果與實際偏差較大。同時,在實驗過程中可以發現利用本文提出的預警系統,在實際運行過程中依靠粒子群優化算法得到的預測結果更加穩定,這一特點主要取決于粒子群優化算法本身具備的全局搜索能力和支持向量機的強大識別和分類能力。因此,通過上述實驗結果可以進一步說明本文提出的預警系統能夠實現對現代企業財務危機的精準預測,為現代企業未來發展策略的提出提供數據依據。

4 結語

本文針對現代企業的財務危機問題,在引入粒子群優化算法的基礎上,提出了一種全新的預警系統,并通過對比實驗的方式證明了該系統的應用優勢。在研究過程中,本文引入的粒子群優化算法能夠提高系統的搜索能力和預測精度,并且打破傳統預警系統最優參數上限的問題,提高參數質量。但由于研究能力有限,本研究并沒有對系統運行時間進行記錄,也缺少對系統運行效率的評估和驗證。因此,在后續研究過程中,為進一步提高預警系統的應用性能,研究人員還需要從提高其運行效率的角度對系統進行不斷優化和創新。