神經網絡在應收賬款管理中的應用

◎汪瑤慶

隨著人工智能產業的發展被推向新的高度，大數據、云計算等人工智能技術和實體經濟的深度融合將帶來新的產業變革。人工智能在財務會計領域的應用中，神經網絡在應收賬款管理中發揮著作用，企業可以通過神經網絡技術的應用來提升應收賬款管理的質量，尤其是在信用評估和監督管理方面。

當前人工智能在會計領域的兩個主要應用是專家系統和人工神經網絡智能系統。專家系統能夠擁有某領域專業的知識儲備，并采用人工智能中的推理技術模仿人類專家推理、解決問題。人工神經網絡系統作為一種強大的數據處理技術，可以高效處理非結構化分布數據信息，識別數據間的關系從而進行分類、評估、建模、預測和控制。雖然模糊集、遺傳算法和混沌模型目前正在考慮應用于會計核算，但很多會計領域已經成熟運用了專家系統和神經網絡系統。德勤咨詢公司與Kira Systems 聯手開發財務機器人，將人工智能引入會計、稅務、審計等工作當中。

一、會計中神經網絡的應用

會計與金融是最能發揮神經網絡優勢的領域之一。神經網絡是通過對預先提供的模型數據（包括輸入字段和輸出字段）進行學習，通過調整權值，分析并掌握兩者之間潛在的規律，最終使用這些規律對樣本進行訓練（即根據規律使用新的輸入字段來推算新的輸出字段），這就是數據預測與挖掘的過程。隨著計算機技術的快速發展，神經網絡的訓練時間可以大大縮短，并且神經網絡對輸入字段的要求很低，可以接受不同種類的變量輸入，適應性強，允許輸出輸入字段具有模糊性，因此神經網絡方法可以廣泛用于各領域的數據挖掘與分析。在人工智能背景下，神經網絡卓越的模式識別能力及其運行速度為其應用提供了大量機會。神經網絡通常幫助會計人員制定決策、問題預警和評估反饋。

神經網絡改變了企業看待數據和決策的方式，它可以通過與其他應用程序有效結合來加強數據處理和制定決策建議的能力。在這些應用程序中，神經網絡可以用作前端、中間或后端。神經網絡可以快速隔離原始數據中的條件，并傳輸信號到專家系統知識庫（或其他決策支持模塊），從而縮短訪問搜索引擎的時間——這個過程稱為模式識別；在中間處理中，神經網絡可以接收前端的結果，并向相應的后續流程輸出信號——這個過程稱為標記篩選；在后端處理中，神經網絡接收來自其他系統輸入的信息并做出最終決策——這個過程稱為預測。會計活動通常圍繞這三種功能，因此神經網絡可以改善會計職能。

圖1 神經網絡系統結構圖

二、應收賬款管理

專家系統在會計工作中能夠發揮很大作用，因為會計工作具有程序化、規范化、原則性強的特點。專家系統最常應用的會計領域包括財務會計、管理會計、稅務和審計等。由于專家系統可以支持復雜的決策類型，專家系統在應收賬款管理中可用于訂單驗證、信用批準、開具發票以及更新分類賬。專家系統可以提高決策的質量，標記異常訂單，在一定限度內加快非常規訂單的處理速度。

首席財務官、總會計師和應收賬款管理者可以使用神經網絡維護信息，以便向客戶提供信用條件、監督銷售、識別欺詐違約行為、催收賬款，以及核銷壞賬等。很多公司已經在使用神經網絡來管理應收賬款，例如美國HNC 軟件公司研發了CapstoneTM Decision Manager 程序，它可以嵌入到任何行業應收賬款決策的應用處理系統中；通用汽車使用開源的Credit Advisor 軟件來評估客戶信用，用來判斷是否向客戶發放汽車貸款。

（一）信用評估

在日常經營活動中，企業會提供商業信用給符合資格的消費者、客戶和其他主體。應收賬款作為商業信用，不要求客戶提供抵押品，因此企業必須對客戶進行全面的信用評估。許多公司，尤其是那些擁有大量應收款賬戶的公司（如大型分銷商、擁有大量直接客戶的制造商和擁有自己信用卡的零售公司），會使用神經網絡來標記客戶。

神經網絡參與的環節包括預先篩選信用條件較差的客戶，提出與商業信用授權有關的建議。由于使用神經網絡可縮短分析時間，客戶可立即獲得有關是否提供信用條件的反饋，因此可降低處理成本并改善客戶服務。黃曉波等（2015）研究發現中小企在應收賬款信用評估時，神經網絡篩選客戶方面相較于傳統的參數統計方法有絕對的優勢，可以縮短時間，節約成本。許多企業已經成功地將訓練有素的神經網絡嵌入軟件，這些軟件甚至可以讓企業在銷售環節就做出決策。例如，美國運通公司使用了Authorizer's Assistant 軟件在銷售階段進行信用評估和授權，很大程度上提高了應收賬款管理的效率。

神經網絡在規劃階段，應明確其任務、運行時間以及如何輸出結果。輸入賒購商品的客戶信息后，計算機將訪問信用評估機構的報告和其他存儲的數據，進行信用評估決策。不過，公司必須支付相關成本，例如向信用評估機構支付費用。如果原始應用程序中有足夠的數據，公司可以通過使用神經網絡做出最終的信用決策來避免許多諸如此類處理成本。由于大量客戶的數據來源太多，神經網絡非常善于準確識別可能影響信用狀況的數據之間的關系。制造商和分銷商使用神經網絡可以幫助他們更新客戶信用狀況的變化。李為波（2015）認為數據越多，神經網絡作用越明顯。在識別和篩選數據過程中，神經網絡同時需要成功和失敗的信用數據。如果企業沒有關于應收賬款信用違約的客戶數據，則無法構建神經網絡。在試驗項目中發現使用少量賬戶樣本（100 至150 個）過去兩個季度到五年的可用的數據，改變輸入數可以幫助確定神經網絡開發的最佳輸入組合。申請日期也可以提供賬戶以外的經濟狀況的重要數據，這些數據可能會影響信用評估。

企業可以將訓練有素的神經網絡作為子程序安裝信用決策的任何操作軟件中。在預篩選階段，它可以在數據輸入程序的末尾執行，只需執行有效性檢查程序。這樣，企業可以立即通知線下或在線申請的客戶申請結果。神經網絡通常是向首席財務官、信用部門經理或銷售經理提出建議，由他們做出最終決策，但有時網絡也會做出授信決策。隨著公司獲取越來越多信用損失的經驗，以及客戶信用狀況的變化，神經網絡可以通過再訓練來更新數據庫信息。

使用神經網絡的企業需要運用程序來分析壞賬發生的原因，以便能夠發現神經網絡是否能檢測到不符合信用條件的客戶。當壞賬率在任何會計期間（月份、季度或年）顯著上升時，后續程序應立即進行再訓練。

（二）信用監督

在應收賬款管理中，企業應建立應收賬款的信用監督體系和預警機制，完善內部控制制度。隨著越來越多的商家使用線上信用評估進行賒銷活動（例如淘寶提供分期付款服務），神經網絡可以監控系統以確定潛在的欺詐性客戶，使公司有機會拒絕此類即時的信貸授權。這種類型的模式識別軟件可以嵌入到公司的應收賬款和銷售授權軟件中。建立神經網絡需要的數據包括客戶的過去購買和支付信息、交易頻率、交易的規模、客戶特征和其他賬戶數據。

企業會定期核銷無法收回的應收賬款，當客戶財務狀況較差時，與賬戶相關的數據（客戶定期財務報表、采購和付款信息）會發生變化。在客戶宣告破產之前識別到客戶財務狀況惡化的趨勢可以幫助企業顯著減少損失。由于市場競爭日益激烈，企業為了促進銷售、降低庫存給予客戶一定的付款期，由此形成了應收賬款。在傳統的應收賬款管理系統下，財務部門對應收賬款負擔管理職責，同時需要信用部門和銷售部門負責跟蹤和管理，由此形成動態跟蹤、分析，強化日常監督和管理。在大數據背景下，神經網絡可以從龐大的財務數據庫中快速地分析出有效的財務信息，預測趨勢、提供決策依據。訓練有素的神經網絡可以與其他決策支持系統整合，定期監控公司應收賬款管理，延長或者收回授信。隨著時間的推移，客戶的財務狀況、采購和支付模式會發生變化，公司獲取大量的客戶信用狀況，神經網絡可以通過導入新的數據進行再訓練，以此來提高神經網絡預測壞賬、實施信用監督的準確性，并且神經網絡具有反饋功能，能夠及時有效地對應收賬款的回款作出及時的反應。由于計算機數據處理能力的加強，神經網絡對輸入量的適應性提高，訓練時間縮短，因此神經網絡已被廣泛用于各領域的數據挖掘與分析。

圖2 和圖3 對神經網絡應用前后應收賬款管理流程做了對比分析：

圖2 傳統應收賬款管理流程

圖3 神經網絡系統應收賬款管理流程圖

客戶信用反饋信息可通過反向傳播神經網絡獲取。反向神經網絡的優點在于其對輸入字段的容錯性高可以用來處理企業內部機制復雜的財務決策，并有效提高財務預測的準確率。圖4 為反向傳播神經網絡系統運行機制。傳統的應收賬款管理中，企業通過對客戶的財務狀況、信用違約等信息來評估其信用狀況并授予信用條件。神經網絡可以提取樣本所隱含的特征關系，并對企業財務信息發生變化的數據進行內插和外推以預測其發展。如果將神經網絡系統應用于應收賬款管理中，企業可以既通過正向傳導機制，也可以通過反向傳播神經網絡來提升應收賬款管理的質量。

圖4 反向神經網絡系統圖

張玲等（2005）采用164 家滬深上市公司財務數據進行了實證分析，結果顯示神經網絡技術應用于上市公司財務困境預警具有較高的預測能力，這也進一步證明了在現有會計制度和會計準則下，財務報表能提供預測財務困境的大量有用信息，財務危機有跡可循。神經網絡善于在流程的早期識別與財務惡化相關的采購、付款以及財務報表數據，以便公司能夠采取行動防止損失。企業使用神經網絡監控所有賒購客戶的采購和付款活動，以便在客戶無法支付甚至破產之前采取行動，提供預警。由C·Ducan（伊利諾伊大學）開發的Auditor 神經網絡程序可以應用于幫助企業分析壞賬準備。

三、總結

會計的目標在于為信息使用者提供有助于決策的信息。應收賬款的風險在于企業應收賬款產生的資金成本、壞賬損失和管理成本。作為企業重要的流動資產，應收賬款的管理會直接影響企業資金的流動性。在人工智能時代，財會人員需要不斷吸取國內外的會計研究和實踐成果，將智能技術應用到決策支持系統中，將會計工作與生產、銷售、人事等管理工作融為一體。加強應收賬款管理可以為企業帶來穩定的現金流入，加速資金周轉，降低資金成本。因此，企業將神經網絡應用于應收賬款管理能降低企業經營風險，提升競爭力，在應收賬款的客戶信用分析和評估以及信用授權之后的追蹤和監督發揮積極作用。雖然人工智能的應用能讓會計處理自動化、分析決策智能化，但數據安全性和程序可靠性仍然需要相關技術和會計人員的復核、監督。