專利名稱:企業(yè)危機預警系統(tǒng)的制作方法
技術(shù)領(lǐng)域:
本發(fā)明屬于企業(yè)管理中的危機管理領(lǐng)域,具體而言是指一種企業(yè)危機預警系統(tǒng)。
背景技術(shù):
隨著現(xiàn)代社會的發(fā)展,經(jīng)濟環(huán)境變得瞬息萬變,企業(yè)面臨的風險不斷增大,企業(yè)不可避免的會出現(xiàn)經(jīng)營困難甚至經(jīng)營危機。國際上著名的大公司如美國的可口可樂、微軟、日本的三菱、松下,還有中國的長虹、海爾,在它們的發(fā)展階段,甚至在最輝煌的時刻,都曾經(jīng)歷過危機。還有另外一些公司,在經(jīng)歷危機之后,逐步走向消亡,直至破產(chǎn),如中國的巨人集團、秦池酒業(yè)、美國的安然集團、王安公司等。實踐中遭受危機侵害的企業(yè)可以說是數(shù)不勝,據(jù)國外統(tǒng)計,在正常年份每年宣布破產(chǎn)的企業(yè)數(shù)量約占企業(yè)總數(shù)量的1%。而在我國,據(jù)國家體改委2003年對全國17個省市調(diào)查資料顯示,達到破產(chǎn)條件的企業(yè)數(shù)目的占國有企業(yè)總數(shù)的15%(估算標準企業(yè)資產(chǎn)負債率超過100%;不能償還銀行債務的50%;占地不作企業(yè)財產(chǎn))。為什么會有這么多企業(yè)無法度過危機的考驗呢?企業(yè)自身的發(fā)展過程,如同人的成長要經(jīng)歷幼年、青年、中年、老年等階段一樣,也要經(jīng)歷不同的階段。在每一階段上,都具有不同的特征和遇到不同的困難。當企業(yè)處于一個發(fā)展階段的穩(wěn)定時期時,企業(yè)的結(jié)構(gòu)適應于內(nèi)外部條件的需要,但隨著企業(yè)進一步發(fā)展,企業(yè)內(nèi)部就會產(chǎn)生一些新的矛盾或危機,使現(xiàn)行的結(jié)構(gòu)不再適應發(fā)展要求,這時企業(yè)就會發(fā)生不穩(wěn)定,為了生存,企業(yè)又不得不進入創(chuàng)新時期,如果創(chuàng)新成功,危機得以解決,企業(yè)結(jié)構(gòu)又適應內(nèi)外部的條件。這樣,企業(yè)就進入了下一個發(fā)展階段的穩(wěn)定時期,如此循環(huán)往復,企業(yè)的結(jié)構(gòu)就從低級發(fā)展到高級,從幼稚到成熟。
企業(yè)的經(jīng)營目的就是獲取最大利潤,為此,企業(yè)管理者想方設法以各種理論和方法,從戰(zhàn)略高度,從市場、組織、財務、人事、文化等角度去探討如何提高企業(yè)利潤,然而大部分企業(yè)還是比較少地將風險管理與企業(yè)的經(jīng)營利潤聯(lián)系起來。特別是在企業(yè)的戰(zhàn)略、運營與風險的關(guān)系上,目前還很少探討。但是,企業(yè)不是生存在世外桃源,它必須面對來自市場、顧客、競爭對手和企業(yè)自身管理水平的強大壓力,必須承受市場風險、經(jīng)營風險、組織風險、投資風險、匯率風險、法律風險、政治風險和其他風險帶來的沖擊。正是由于上述原因,使得企業(yè)在未來的發(fā)展過程中充滿了很大的不確定性,這種不確定性的直接后果就是企業(yè)危機產(chǎn)生的可能性。企業(yè)要增強競爭力,獲得更多利潤,就必須不斷提升經(jīng)營管理能力,并引入最新的理論與方法。
危機管理是企業(yè)針對危機情境所采取的一系列維護企業(yè)正常運行,避免或減少企業(yè)損失,將危機化解為轉(zhuǎn)機的一種行為和過程。危機管理能有效地化解企業(yè)危機,但是,在危機管理過程中經(jīng)常遇到一個難題,即企業(yè)危機如何準確地判斷、評估和預測,這顯然是危機理論無法解決的問題,這就需要引入新的定量的分析方法——企業(yè)危機預警系統(tǒng)。
發(fā)明內(nèi)容
本發(fā)明的主要目的是通過發(fā)明一種診斷工具即建立系統(tǒng)模型對企業(yè)各種經(jīng)營管理信息進行比較、分析和評價,判別企業(yè)目前的經(jīng)營狀態(tài)是否進入危機,以及預測企業(yè)的未來是否會發(fā)生危機,從而幫助企業(yè)經(jīng)營者了解企業(yè)經(jīng)營的真實狀況,危機的程度,以及危機產(chǎn)生的根源,為企業(yè)經(jīng)營者決策提供輔助性的參考意見,并最終采取相應措施。
本發(fā)明的另一目的是通過發(fā)明該系統(tǒng),使其不僅用于企業(yè)危機預警還可應用于投資領(lǐng)域,使投資者用來作選購和處理股票的決策;應用于金融領(lǐng)域,使銀行用這種模型來實施貸款決策和管理;應用于審計部門,使注冊會計師用這種模型確定審計程序及決定企業(yè)是否能夠繼續(xù)經(jīng)營;應用于司法部門,使法院可以用模型對破產(chǎn)欺詐行為進行判定;還可在企業(yè)用來做舉債決策和應收賬管理。
本發(fā)明所涉及的一種企業(yè)危機預警系統(tǒng),主要是通過對企業(yè)各種經(jīng)營管理信息的比較、分析和評價,判別企業(yè)目前的經(jīng)營狀態(tài)是否進入危機,以及預測企業(yè)的未來是否會發(fā)生危機,從而幫助企業(yè)經(jīng)營者了解企業(yè)經(jīng)營的真實狀況,危機的程度,以及危機產(chǎn)生的根源,為企業(yè)經(jīng)營者決策提供參考意見,并最終采取相應措施;其特征在于該由雙基點距離比值法、預測-概率識別法、模糊識別-聚類法、參數(shù)修改、系統(tǒng)維護、幫助等六個模塊組成,其中雙基點距離比值法、預測-概率識別法、模糊識別-聚類法模塊又包括數(shù)據(jù)采集、數(shù)據(jù)處理、數(shù)據(jù)計算、輸出結(jié)果和給出建議等子模塊;另外,系統(tǒng)可以對指標體系、閾值、權(quán)重進行預設和修改,還具備收集、存儲、修改案例的功能;其中雙基點距離比值法、預測-概率識別法、模糊識別-聚類法三個模塊是并列關(guān)系。三個模塊建立了三個不同的模型,每一個模型都從企業(yè)財務、人力資源、組織和產(chǎn)品四個方面不同角度單獨對企業(yè)的危機進行預警。下面就逐一對每一個模型進行詳細描述。
雙基點距離比值預警模型為了克服部分模型的自身缺陷,根據(jù)對預警模型空間幾何意義的分析,這里構(gòu)造了一個雙基點距離比值函數(shù)作為企業(yè)預警模型。該模型先對企業(yè)特征指標的空間點進行變換,在n維空間中以超曲面對陷入危機與非危機企業(yè)進行分割。它不要求訓練樣本呈正態(tài)分布,但需要對特征指標進行顯著性檢驗。兩個總體均值差異越顯著,預警效果越好?,F(xiàn)在首先對危機預警問題進行描述及預處理。
設企業(yè)危機預警指標有n個,考慮訓練樣本m+k個,其中陷入危機的企業(yè)數(shù)量是m,組成集合X,非危機企業(yè)數(shù)量是k,組成集合Y。
假設危機企業(yè)X的樣本均值為x,其取值為xj‾=1mΣi=1mxij]]>危機企業(yè)X的樣本方差為sxj2=1m-1Σi=1m(xij-xj‾)2]]>其中sxj≠0;j=1,2,…,n非危機企業(yè)Y的樣本均值為y,其取值為yj‾=1kΣi=1kyij]]>非危機企業(yè)Y的樣本方差為syj2=1k-1Σi=1k(yij-yj‾)2]]>其中syj≠0;j=1,2,…,n以危機企業(yè)X與非危機企業(yè)Y的兩個樣本均值 和 作為兩個中心基準點,即雙基點,求解各企業(yè)的特征指標值到雙基點的距離,并進行比較。具體計算步驟如下(1)求出樣本點到危機企業(yè)X的均值點的距離Xi=(xi1-x1‾sx1)2+(xi2-x2‾sx2)2+···+(xin-xn‾sxn)2]]>=Σj=1n(xij-x‾jsxj)2---(1-1)]]>其中i=1,2,…,m+k;j=1,2,…,n(2)求出樣本點到非危機企業(yè)Y的均值點的距離Yi=(yi1-y1‾sy1)2+(yi2-y2‾sy2)2+···+(yin-yn‾syn)2]]>=Σj=1n(yij-y‾jsyj)2---(1-2)]]>其中i=1,2,…,m+k;j=1,2,…,n
(3)求兩距離比值WWi=XiYi]]>=Σj=1n(xij-x‾jsxj)2Σj=1n(yij-y‾jsyj)2=Σj=1n(xij-x‾jsxj)2Σj=1n(yij-y‾jsyj)2---(1-3)]]>其中且設Yi≠0.,i=1,2,…,m+k(4)將所有訓練樣本企業(yè)的W值按大小排序,找出危機企業(yè)X與非危機企業(yè)Y的預警最優(yōu)分割點W0。
(5)用分割點W0測試其它企業(yè)財務狀況,達到預警目的。
考慮到所取樣本的n個指標都有不同的量綱和數(shù)量級,不便于做多元統(tǒng)計分析,因此在計算數(shù)據(jù)時進行了變換處理,即除以樣本標準差S,以消除指標之間量綱及數(shù)量級上的差異,使其具有可比性。
雙基點距離比值法是在國際上首次提出。它利用危機企業(yè)和非危機企業(yè)各自的中心基準點,進行距離比較,并形成超曲面對危機企業(yè)和非危機企業(yè)的指標集合進行分割,達到預警目的。實證研究結(jié)果表明,模型對測試樣本判別的識別率可達到92.8%,完全可以作為一種新的危機預警方法加以應用。
預測-概率識別法描述企業(yè)經(jīng)營管理狀況的指標很多,有定量的、也有定性的,涉及到財務、組織結(jié)構(gòu)、人力資源、競爭力、營銷、創(chuàng)新等各個方面。對于不便計算的定性指標,可以通過德爾菲法、層次分析法或模糊數(shù)學等方法轉(zhuǎn)化為定量指標。于是,我們將這些指標稱為企業(yè)的特征觀察值,記為xn(t),其中,n表示觀察值的個數(shù),t表示時間,且t∈(1,k)。所有觀察值構(gòu)成了描述企業(yè)經(jīng)營狀況的n×k維特征狀態(tài)空間x1(1)x1(2)···x1(k)x2(1)x2(2)···x2(k)············xn(1)xn(2)···xn(k)]]>若將企業(yè)危機狀態(tài)等級總數(shù)記為c,即c個警度,各類別等級狀態(tài)分別用ωi表示,i=1,2,…,c,則各個ωi出現(xiàn)的先驗概率分別是P(ωi),條件概率密度函數(shù)是p(x|ωi)。
假設從1到k個時間段內(nèi)的n個特征觀察值和對應的P(ωi)、p(x|ωi)已知?,F(xiàn)在要預測t=k+1時刻,企業(yè)特征向量x(k+1)=[x1(k+1),x2(k+1),…,xn(k+1)]的值,并判別它會出現(xiàn)何種等級的危機。
GM(1,1)灰色預測模型主要用于單一的時間序列預測,但無法反映多個變量間的相互影響、協(xié)同發(fā)展的情況。GM(1,n)灰色模型主要描述變量間的相互關(guān)系,一般不用于預測。因此,對于含有多個相互關(guān)聯(lián)的因素的復雜系統(tǒng),任何單個模型都不能反映系統(tǒng)的發(fā)展變化,必須考慮建立系統(tǒng)模型才能有效地預測。一般情況下,在對系統(tǒng)做出準確的分析之后,對獨立的特征觀察值,即主導因素建立GM(1,1)模型,對非獨立的特征觀察值,即關(guān)聯(lián)因素建立GM(1,n)模型,然后,將這n個多元微分方程聯(lián)立求解,得出系統(tǒng)的預測值。
1.2.1GM(1,1)與GM(1,n)灰色模型對于n個變量的系統(tǒng),若已給定1至k個時刻的特征觀察值數(shù)列x1(0)={x1(0)(1),x1(0)(2),···,x1(0)(k)}]]>x2(0)={x2(0)(1),x2(0)(2),···,x2(0)(k)}]]>xn(0)={xn(0)(1),xn(0)(2),···,xn(0)(k)}]]>每個xi(0)(i=1,2,…,n)代表系統(tǒng)的一個原始狀態(tài),各個狀態(tài)之間,可能存在著互為因果的關(guān)聯(lián)作用。為此,對主導因素建立GM(1,1)模型dxi(1)dt+aixi(1)=ui---(2-1)]]>(2-1)式可按最小二乘法求解α=[αi,ui]T=(BiTBi)-TBiTYi(2-2)Bi=-12(xi(1)(1)+xi(1)(2))1-12(xi(1)(2)+xi(1)(3))1··1·-12(xi(1)(k-1)+xi(1)(k))1---(2-3)]]>對關(guān)聯(lián)因素建立GM(1,n)模型dxi(1)dt+aixi(1)=Σm≠inamxm(1)---(2-4)]]>(2-4)式可按最小二乘法求解α=[α1,α2,…,αn]T=(BiTBi)-TBiTYi(2-5)Bi=-12(xi(1)(1)+xi(1)(2))x1(1)(2)···xi-1(1)(2)xi+1(1)(2)···xn(1)(2)-12(xi(1)(2)+xi(1)(3))x1(1)(3)···xi-1(1)(3)xi+1(1)(3)···xn(1)(3)···············-12(xi(1)(k-1)+xi(1)(k))x1(1)(k)···xi-1(1)(k)xi+1(1)(k)···xn(1)(k)---(2-6)]]>其中(2-2)式和(2-5)式的Yi=[xi(0)(2),xi(0)(3),···,xi(0)(k)]T---(2-7)]]>(2-3)式和(2-6)式中的xi(1)是xi(0)的一次累加生成(1-AGO)值,即
xi(1)(k)=Σm=1kxi(0)(m)---(2-8)]]>對于所有的特征觀察值xi(0)(i=1,2,…,n)序列,分別建立相應的GM(1,1)或GM(1,n)模型,就組成了n個多元微分方程,變換成標準的形式,有x·1(1)=a11x1(1)+a12x2(1)+···+a1nxn(1)+u1x·2(1)=a21x1(1)+a22x2(1)+···+a2nxn(1)+u2···x·n(1)=an1x1(1)+an2x2(1)+···+annxn(1)+un---(2-9)]]>微分方程組系數(shù)aij由(2-2)式和(2-5)式求出,于是,系統(tǒng)預測模型的狀態(tài)方程為X·=AX+UX(t0)=X(0)---(2-10)]]>式中X·=[x·1,x·2,···,x·n]T,X=[x1,x2,···,xn]T,U=[u1,u2,···,un]T]]>X(0)=[x1(0)(1),x2(0)(1),···,xn(0)(1)]T]]>狀態(tài)方程矩陣A=a11a12···a1na21a22···a2n············an1an2···ann]]>用Laplace變換,可求出系統(tǒng)狀態(tài)方程的解的形式X(t)=eAtX(0)+∫0teA(t-τ)B(τ)u(τ)dτ---(2-11)]]>式中eAt=I+At+12!A2t2+···+1m!Amtm]]>利用龍格-庫塔(Runge-Kutta)法,計算出t=k+1時刻的解x(1)(k+1)=[x(1)1(k+1),x(1)2(k+1),…,x(1)n(k+1)] (2-12)對(2-12)式進行累減生成(1-IGO),即xi(0)(k+1)=xi(1)(k+1)-xi(1)(k)---(2-13)]]>最后得到預測結(jié)果x(0)(k+1)=[x(0)1(k+1),x(0)2(k+1),…,x(0)n(k+1)] (2-14)模式識別過程有了預測結(jié)果之后,就可以對企業(yè)的危機警度進行判別。首先給出最小出錯率的決策規(guī)則和分類器的設計方法,然后再根據(jù)企業(yè)危機發(fā)生的概率分布情況,識別預測結(jié)果的危機等級。
若知道了企業(yè)危機預警特征觀察值x屬于不同警度的先驗概率,顯然基于最小出錯率的分類模式有如下決策規(guī)則如果P(ωi|x)>P(ωj|x),則把x歸類于ωi;如果P(ωi|x)<P(ωj|x),則把x歸類于ωj;
如果P(ωi|x)=P(ωj|x),則有待判別。
根據(jù)上面的規(guī)則,利用貝葉斯公式P(ωi|x)=p(x|ωi)P(ωi)Σi=1cp(x|ωi)P(ωi)---(2-15)]]>判別式又可改成當i、j=1,2,…,c時,如果p(x|ωi)P(ωi)>p(x|ωj)P(ωj),則x∈ωi;或者如果P(ωi|x)=maxP(ωj|x),則x∈ωi。
定義判別函數(shù)gij(x)=gi(x)-gj(x)(2-16)式中g(shù)i(x)=P(ωi|x)或者gi(x)=p(x|ωi)P(ωi),i=1,2,…,c。gj(x)同gi(x)類似。
如果gij(x)>0,則決策ωi;如果gij(x)<0,則決策ωj;如果gij(x)=0,則表示這是決策面方程。
顯然決策面是特征空間中的超曲面,它將兩個相鄰的決策域分割開,在決策面上,判別函數(shù)gi(x)和gj(x)的值是相等的。
多元正態(tài)分布的模式識別n個特征觀察值x的分布預先可以通過大量的統(tǒng)計數(shù)據(jù)估算出,這里考慮x呈正態(tài)分布時的計算方法。在類別ωi中,觀察值x呈多元正態(tài)分布的概率密度函數(shù)為p(x|ωi)=1(2π)n2|Σi|12exp{-12(x-μi)TΣi-1(x-μi)}---(2-17)]]>式中x=[x1,x2,…,xn]T,μi=Ei(x),表示類ωi的均值向量,∑i=E{(x-μi)(x-μi)T},表示類ωi的協(xié)方差矩陣。
在多元正態(tài)分布下,令最小錯誤率判別式gi=ln[p(x|ωi)P(ωi)] (2-18)將式(2-17)代入(2-18),得gi(x)=-12(x-μi)TΣi-1(x-μi)-n2ln2π-12ln|Σi|+lnP(ωi)---(2-19)]]>式(2-19)的第二項 與i無關(guān),可忽略,故簡化為gi(x)=-12(x-μi)TΣi-1(x-μi)-12ln|Σi|+lnP(ωi)=xTWix+wiTx+ωi0---(2-20)]]>式中 ωi0=-12μiTΣi-1μi-12ln|Σi|+lnP(ωi)]]>判別函數(shù)gij(x)=gi(x)-gj(x)=xT(Wi-Wj)x+(wi-wj)Tx+ωi0-ωj0(2-21)決策面方程gij(x)=0。它表示第i個類與第j個類之間的超曲面,且隨著∑,μ,P(ω)的不同而呈現(xiàn)超球面、超橢球面、超拋物面、超雙曲面或超平面等形狀。
要對模式識別錯誤率進行估計,在模式識別理論中,對于兩類問題,最小出錯率決策下的錯誤率計算公式為P(e)=Σi=12P(ωi)∫Ωip(x|ωi)dx=Σi=12P(ωi)Pi(e)---(2-22)]]>其中Ωi表示類別空間。當x是多維向量時,實際上要進行多重積分計算,錯誤率的計算是相當復雜的,處理實際問題時一般采用試驗估計法或Bhattacharyya系數(shù)法。如果兩個類服從N(μ1,∑1)和N(μ2,∑2)的正態(tài)分布,則Bhattacharyya系數(shù)確定的錯誤率上界為P(e)≤P(ω1)P(ω2)exp(-JB)---(2-23)]]>式中JB=18(μ2-μ1)T(Σ1+Σ22)-1(μ2-μ1)+12ln|12(Σ1+Σ2)||Σ1|12|Σ2|12]]>基于灰色預測與模式識別相結(jié)合的預警模型,其灰色預測方法是首先對企業(yè)運營的單項特征指標建立灰色模型,其次將所有指標的模型組合起來,構(gòu)成系統(tǒng)狀態(tài)方程進行預測,然后利用概率模式識別的分類器對預測結(jié)果進行分類,并判斷企業(yè)的危機狀態(tài)?;疑A測方法的特點是能用較少的數(shù)據(jù)預測未來,指數(shù)平滑法應用于中、短期預測的誤差較小,效果較好,模式識別方法的特點是它有較強的系統(tǒng)辨識能力。實證研究結(jié)果證明,該模型對測試樣本的判斷完全符合實際情況,顯示它能有效地預測企業(yè)危機狀況,達到了預測報警的目的。
模糊識別-聚類法描述企業(yè)經(jīng)營狀況的指標很多,涉及財務、組織結(jié)構(gòu)、人力資源、競爭力、營銷、創(chuàng)新等各個方面,這些指標統(tǒng)稱為企業(yè)的特征觀察值,企業(yè)危機預警的目的就是要根據(jù)這些指標值來確定企業(yè)的危機狀態(tài)。設有n個企業(yè)樣本組成的樣本集,每個樣本有m個特征指標,則指標特征矩陣表示可為X=x11x12···x1nx21x22···x2n············xm1xm2···xmn=(xij)m×n---(3-1)]]>式中,xij為樣本j指標i的特征值,i=1,2,…,m;j=1,2,…,n。由于m個指標的特征值存在量綱量級上的差異,為了消除指標特征值之間量綱的影響,用(3-2)式對其進行規(guī)格化處理rij=xij-ximinximax-ximin]]>或rij=ximax-xijximax-ximin---(3-2)]]>式中,ximax為第i個指標的最大特征值;ximax為第i個指標的最小特征值;rij為xij的規(guī)格化值,且0≤rij≤1。由(3-2)式可將(3-1)式化為相對隸屬度矩陣。
R=r11r12···r1nr21r22···r2n············rm1rm2···rmn=(rij)m×n---(3-3)]]>若企業(yè)樣本集依據(jù)經(jīng)營狀態(tài)的好壞按輕重分為c個等級,則所有樣本組成的模糊識別矩陣為U=u11u12···u1nu21u22···u2n············uc1uc2···ucn=(uhj)c×n---(3-4)]]>式中,uhi表示樣本j歸屬于h類的相對隸屬度,h=1,2,…,c;j=1,2,…,n。設樣本j完全屬于h類的隸屬度為1,完全不屬于h類的隸屬度為0,則(3-4)式滿足的條件如下0≤uhj≤1;Σh=1cuhj=1;Σj=1nuhj>0---(3-5)]]>設0≤sjh≤1,sjh為類別h指標i的特征值的聚類中心,則c個類別的模糊聚類中心矩陣為S=s11s12···s1cs21s22···s2c············sm1sm2···smc=(sih)m×c---(3-6)]]>如果考慮企業(yè)經(jīng)營指標的重要性程度存在區(qū)別,則各指標的權(quán)向量為W=(w1,w2,…,wm),且Σi=1mwi=1---(3-7)]]>聚類樣本j與類別h的特征值聚類中心之間的差異可用廣義歐氏權(quán)距離表示,即||wi(rj-sh)||={Σi=1m[wi(rij-sih)]p}1p---(3-8)]]>其中p為距離參數(shù)。為了更加完善地描述聚類樣本j與類別h間的差異,將樣本j歸屬于類別h的相對隸屬度uhj定義為廣義歐氏權(quán)距離的權(quán)重,于是,加權(quán)廣義歐氏權(quán)距離為d(rj,sh)=uhj‖wi(rj-sh)‖ (3-9)為達到求解最優(yōu)模糊識別矩陣、最優(yōu)模糊聚類中心矩陣和最優(yōu)指標權(quán)重的目的,建立模糊環(huán)境下的目標函數(shù)
min{F=Σj=inΣh=1c{uhj[Σi=1m[wi(rij-sih)]p]1p}2}---(3-10)]]>它表示聚類樣本集對于全體類別加權(quán)廣義歐氏權(quán)距離平方和最小。當p=2時,(3-10)式變?yōu)閙in{F=Σj=inΣh=1c{uhj2[Σi=1m[wi(rij-sih)]2]}}---(3-11)]]>設已知企業(yè)模糊識別矩陣U,指標權(quán)重向量W,求解最優(yōu)模糊聚類中心S如果沒有直接給出模糊識別矩陣U和指標權(quán)重向量W,通常可以通過調(diào)查問卷法、德爾菲法或?qū)哟畏治龇ǖ确椒ù_定;當uhj、wi直接給出時,此時(3-11)式中的sih為未知數(shù),目標函數(shù)可表示為min{F(sih)}=Σh=icmin{Σj=1n{uhj2Σi=1m[wi(rij-sih)]2}}---(3-12)]]>dF(sih)dsih=2Σj=1nuhj2wi2sih-2Σj=1nuhj2wi2rij=0---(3-13)]]>sih=Σj=1nuhj2rijΣj=1nuhj2---(3-14)]]>給出企業(yè)指標權(quán)重向量w,模糊聚類中心矩陣S,求解最優(yōu)模糊識別矩陣U此時,目標函數(shù)式(3-11)可表示為min{F(uhj)}=Σj=1nmin{Σh=1c{uhj2Σi=1m[wi(rij-sih)]2}}---(3-15)]]>根據(jù)等式約束條件式(3-5),構(gòu)造拉格朗日函數(shù)L(uhj,λ)=Σh=1cuhj2[Σi=1m[wi(rij-sih)]2]-λ(Σh=1cuhj-1)---(3-16)]]>∂L(uhj,λ)∂uhj=2uhjΣi=1m[wi(rij-sih)]2-λ=0---(3-17)]]>∂L(uhj,λ)∂λ=Σh=1cuhj-1=0---(3-18)]]>由式(3-17)和(3-18)得uhj=1Σk=1cΣi=1m[wi(rij-sih)]2Σi=1m[wi(rij-sik)]2---(3-19)]]>因此,根據(jù)最大隸屬原則可以判別企業(yè)危機狀態(tài)所屬類別。
已知樣本企業(yè)模糊識別矩陣U,模糊聚類中心矩陣S,求解最優(yōu)指標權(quán)重W此時,目標函數(shù)式(3-11)可表示為min{F(wi)}=Σj=1nΣh=1c{uhj2Σi=1m[wi(rij-sih)]2}---(3-20)]]>為求解最優(yōu)指標權(quán)重,依據(jù)等式約束條件式(3-7),構(gòu)造拉格朗日函數(shù)L(wi,λ)=Σj=1nΣh=1cuhj2[Σi=1m[wi(rij-sih)]2]-λ(Σi=1mwi-1)---(3-21)]]>∂L(wi,λ)∂wi=2wiΣj=1nΣh=1c[uhj(rij-sih)]2-λ=0---(3-22)]]>∂L(wi,λ)∂λ=Σi=1mwi-1=0---(3-23)]]>由(3-22)式、(3-23)式,求解得wi=1Σk=1nΣj=1nΣk=1c[ukj(rij-sih)]2Σj=1nΣh=1c[ukj(rij-skh)]2---(3-24)]]>企業(yè)危機預警是對可能發(fā)生的、會影響企業(yè)生存發(fā)展的危害事件進行判斷、報警的過程。預警關(guān)鍵是危機等級的識別,但在實際情況中,企業(yè)生產(chǎn)經(jīng)營活動十分復雜,人們無法全面、準確地辨別出企業(yè)的真實狀態(tài),只能依靠一些特征來判斷其所屬類別。
危機類別是表示不同風險效應的一種人為等分,它是一個模糊概念。應用模糊識別與聚類來處理具有模糊類別評判的問題,可以較容易地刻畫出事物本質(zhì),并且也與客觀實際相符。
危機等級判別牽涉到許多帶有一定模糊性的問題,人們的理解能力、風險偏好、評判標準、觀察角度的差異,有時會導致截然不同的結(jié)果。為此,針對企業(yè)危機等級分類等一些界限不很明確,需要模糊判別的問題,采用模糊聚類與識別方法,構(gòu)建模糊環(huán)境下的企業(yè)特征目標函數(shù),并提出了求解不同危機等級的最優(yōu)模糊聚類中心、最優(yōu)模糊識別矩陣與最優(yōu)指標權(quán)重的途徑。隸屬度、危機等級、報警閾值和指標權(quán)重等指標的判定是企業(yè)危機預警模型中不可回避的難點,在企業(yè)危機預警實證研究中,模糊聚類與識別的方法成功地對企業(yè)正常狀態(tài)、不確定狀態(tài)、危機狀態(tài)三種不同狀態(tài)進行了判別歸類,顯示出該方法完全能有效地解決此問題。
綜上所述,建立企業(yè)危機預警系統(tǒng),對企業(yè)穩(wěn)定與安全態(tài)勢進行及時預測和報警,是企業(yè)健康有序運行和良性發(fā)展的迫切需要,是企業(yè)實現(xiàn)管理科學化、信息化與智能化的一項基礎(chǔ)性的管理工程。加強企業(yè)組織危機管理研究,揭示企業(yè)組織危機的內(nèi)在規(guī)律、運行機制,把握企業(yè)經(jīng)營過程中危機的關(guān)節(jié)點、要害點、敏感點、控制點,從而有效地服務于企業(yè)管理決策。發(fā)明企業(yè)危機預警系統(tǒng)的意義在于有利于社會經(jīng)濟的穩(wěn)定,它的全面實施有助于消除風險給整個經(jīng)濟社會帶來的災害與損失,有利于社會生產(chǎn)的順利進行,有利于生產(chǎn)的穩(wěn)步增長,有利于提高產(chǎn)量、降低成本、增加效益。有利于企業(yè)的全面發(fā)展,危機預警系統(tǒng)可以對企業(yè)的穩(wěn)定與安全狀況進行總體態(tài)勢識別、綜合評估、定量診斷和警情預測,并進行科學決策,通過預先引導,及時化解企業(yè)危機,達到防范于未然的目的。把威脅企業(yè)不穩(wěn)定與不安全的因素消滅在萌芽狀態(tài),以保障企業(yè)健康、有序、快速的發(fā)展。保障企業(yè)經(jīng)營目標的實現(xiàn),危機預警系統(tǒng)通過風險的綜合處理與全面控制,把企業(yè)生產(chǎn)經(jīng)營活動中面臨的風險損失減小到最低程度,且災害損失發(fā)生后能及時采取相應補救措施,確保企業(yè)經(jīng)營目標的順利實現(xiàn)。有利于企業(yè)減少決策的風險性,通過科學系統(tǒng)的預警方法來處置各種動態(tài)風險和靜態(tài)風險,達到減少和消除生產(chǎn)風險、經(jīng)營風險和決策失誤風險。有利于提高企業(yè)經(jīng)濟效,危機預警系統(tǒng)以最小的成本獲得最大風險管理效果為宗旨,可以促使企業(yè)的生產(chǎn)部門和其它職能部門提高經(jīng)營效益和管理效率,減少風險損失。為企業(yè)提供一個安全的生產(chǎn)環(huán)境,危機預警系統(tǒng)為職工提供安全保障和措施。提高企業(yè)“抗危機”能力,企業(yè)危機預警系統(tǒng)的建立,能夠?qū)χ卮蟮耐话l(fā)性事件,做出及時的預測和報警,通過啟動預警系統(tǒng)中的快速應急保障體系,迅速做出相應的危機處理對策,因此,企業(yè)危機管理系統(tǒng)的建立,可以極大地提高企業(yè)的“抗危機”能力。
圖1是本發(fā)明的三個模型的預警總體流程圖;圖2是本發(fā)明的雙基點距離比值法模型的流程圖;圖3是本發(fā)明的雙基點距離比值法模型的編程結(jié)構(gòu)4是本發(fā)明的預測-概率識別法模型的流程圖;圖5是本發(fā)明的預測-概率識別法模型的編程結(jié)構(gòu)圖;圖6是本發(fā)明的模糊識別-聚類法模型的流程圖;圖7是本發(fā)明的模糊識別-聚類法模型的編程結(jié)構(gòu)圖;圖8是本發(fā)明的綜合結(jié)構(gòu)圖。
具體實施例方式
在舉具體實施例之前,先對說明書中涉及的一些名詞進行解釋
企業(yè)從廣義上講它包括了任何組織或是有組織的實體,如商業(yè)組織、金融機構(gòu)、教育機構(gòu)、政黨、工會或是基金會??偠灾?,組織可被視為由一群人為了某個目的而組成的團體。企業(yè)可包含下屬組織結(jié)構(gòu),例如以多層次分級結(jié)構(gòu)排列的多個分支或部門。
危機指具有嚴重威脅、不確定性和有危險感的情境。
企業(yè)危機指引起企業(yè)潛在負面影響的具有不確定性的大事件,這種事件及其后果可能對組織及其員工、產(chǎn)品、服務和聲譽乃至企業(yè)本身造成巨大的損害或?qū)е缕髽I(yè)倒閉。
人力資源危機人力資源危機主要指企業(yè)在人才競爭中面臨的危機和在人力資源管理過程中遭遇的問題。
財務危機企業(yè)財務危機是指企業(yè)喪失償還到期債務的能力,主要包括技術(shù)性失敗和破產(chǎn)兩種形式。前者指企業(yè)的資產(chǎn)總額大于負債總額,但由于其財務狀況不合理,導致企業(yè)不能清償?shù)狡趥鶆眨瑥亩l(fā)生破產(chǎn),后者指企業(yè)的資產(chǎn)總額小于負債總額,即“資不抵債”,導致企業(yè)發(fā)生破產(chǎn)。
產(chǎn)品危機產(chǎn)品危機是指企業(yè)在生產(chǎn)經(jīng)營中,其產(chǎn)品的結(jié)構(gòu)、質(zhì)量、品種、包裝、價格、銷售等方面存在問題,造成產(chǎn)品缺乏市場競爭力,大量積壓,使企業(yè)生產(chǎn)經(jīng)營運轉(zhuǎn)發(fā)生困難。
組織危機企業(yè)組織管理危機是指由于某些因素的影響作用,導致其運行機制出現(xiàn)劣性動蕩,致使組織機構(gòu)癱瘓,組織功能衰退或喪失,對企業(yè)的生存和發(fā)展構(gòu)成嚴重威脅。
預警表示預測和報警,即對將來某一時間段或即時發(fā)生的事情做出警示,以提醒人們做出某種修正或行動。
訓練樣本是一組實際案例或數(shù)據(jù),主要用來計算并確定模型中的各種參數(shù)值。
測試樣本是一組實際案例或數(shù)據(jù),主要用來檢測模型的應用效果。
單指標t檢驗用于樣本均數(shù)與總體均數(shù)的比較以及兩樣本均數(shù)的比較,目的是判斷樣本數(shù)據(jù)與總體均數(shù)是否接近。
雙尾檢驗主要目的是要看在規(guī)定的顯著水平下,所抽取的樣本是否取自擬定假設的總體。
隸屬度表示屬于某一集合的程度。
最大隸屬度一個樣本可能與多個集合有關(guān)聯(lián),其中與某個集合關(guān)聯(lián)最緊密,即隸屬度最大,稱為最大隸屬度。
正態(tài)分布正態(tài)分布是數(shù)理統(tǒng)計中隨機變量的概率分布的類型之一,也稱作高斯分布。其概率密度的表達式為f(x)=(1/√2π)×(1/σ)×EXP[(-1/2)×(x-x0)2/σ2]-∞<x<∞為連續(xù)型隨機自變量。f(x)為概率密度函數(shù)。x0為期望值,也稱平均值。f(x)關(guān)于x0對稱。在x=x0處取極大值。σ稱作均方根差。σ=SQRT{∫[f(x)-f(x0)]2},積分范圍為-∞<x<∞。σ越大,f(x)函數(shù)曲線越“胖”,即f(x)的取值越離散。
量綱數(shù)據(jù)的單位。
歸一化處理由于各個指標數(shù)據(jù)之間的量綱不同,量級差別也很大,不便直接進行后續(xù)處理。為了消除各數(shù)據(jù)之間量綱、量級等不同的影響,使各個指標數(shù)據(jù)具有可比性,通常根據(jù)一定的規(guī)則,將它們換算成某個區(qū)間,如0至1之間的數(shù)值。
危機類別是表示不同風險程度的一種人為等分。
危險等級與危機類別類似,通常根據(jù)危險的程度不同,人為地劃分出幾個級別來表示危險的厲害程度。
德爾菲法是20世紀40年代末美國蘭德公司首先使用,其步驟如下一是挑選專家;二是向?qū)<姨岢瞿繕?,提供現(xiàn)有信息,并要求專家對問題進行判別;三是將上次判別的資料反饋給專家,并修改判別;四是如此反復幾次,最終確定判別結(jié)果。
層次分析法是美國人薩蒂在20世紀70年代初提出來的一種定性和定量分析相結(jié)合的系統(tǒng)分析方法。
模糊數(shù)學法是用數(shù)學方法研究和處理具有“模糊性”現(xiàn)象的數(shù)學。
灰色預測用灰色系統(tǒng)的GM(1,1)模型作基礎(chǔ)進行的預測。
模式識別是根據(jù)所研究對象的特征觀察值,分辨其所屬類別的一種分類方法。
實施例1針對雙基點距離比值法的實施例,如圖1及圖2所示,其模型流程為企業(yè)經(jīng)營原始數(shù)據(jù)采集——數(shù)據(jù)處理——數(shù)據(jù)計算——輸出結(jié)果——給出建議——結(jié)束,該模型可從企業(yè)財務、人力資源、組織和產(chǎn)品四個方面不同角度對企業(yè)的危機進行預警,現(xiàn)就以財務為例對該模型進行說明,其它方面如人力資源、組織、產(chǎn)品也是一樣應用,只需將企業(yè)的特征觀察值即描述企業(yè)經(jīng)營管理狀況的指標定量化即可。而實際上這些指標有定量的、也有定性的,對于不便計算的定性指標,通過德爾菲法、層次分析法或模糊數(shù)學等方法轉(zhuǎn)化為定量指標。
原始數(shù)據(jù)的采集根據(jù)中國證券監(jiān)督管理委員會頒布的《關(guān)于上市公司狀況異常期間的股票特別處理方式的通知》,要求對“狀況異常的上市公司”實行股票交易的特別處理。這里的“異常狀況”包括“財務狀況異常”和“其它狀況異?!??!柏攧諣顩r異常”是指兩種情形一是最近兩個會計年度的審計報告顯示公司財務狀況的凈利潤為負值,即“連續(xù)二年虧損”,另一種情況是,最近一個會計年度的審計結(jié)果顯示其股東權(quán)益低于注冊資本,即“每股凈資產(chǎn)低于股票面值”。需要指出的是,據(jù)有關(guān)研究表明采用破產(chǎn)之后獲得的信息來建立預測模型會高估模型的預測能力。同理,用剛被ST處理的上市公司財務數(shù)據(jù)或(t-1)年的數(shù)據(jù)也會產(chǎn)生類似的問題。因此這里采用的是上市公司(t-2)年的財務信息來檢驗雙基點距離比值模型的準確率,這樣做是避免高估模型預測能力的問題。這里將ST企業(yè)暫視作危機企業(yè),非ST企業(yè)暫視作非危機企業(yè)。
在被認定為特別處理的上市公司中,選擇28家ST公司和28家非ST公司作為訓練樣本,另外,再選取其它28家ST公司和28家非ST公司作為測試樣本。所有樣本共計112家,雖然它們是隨機選擇的,但涵蓋了各個行業(yè),具有普遍性。另外,以這些公司前二年年報的財務數(shù)據(jù)為準,選取三大類總共十個財務指標,分別代表企業(yè)的償債能力、資產(chǎn)負債管理能力和盈利能力,見表1。
財務指標 表1
數(shù)據(jù)處理表1所選的十個財務指標,能不能有效區(qū)分危機企業(yè)與非危機企業(yè)還不確定,需要對它們進行單指標t檢驗,以判斷其是否顯著。28家ST公司與28家非ST公司的均值、方差、t檢驗的結(jié)果見表2。
財務指標描述性統(tǒng)計與單指標t檢驗表2
注“*”、“**”、“***”分別表示在10%、5%、1%的水平下統(tǒng)計顯著(雙尾檢驗)從表2可以看出,ST公司與非ST公司在流動比率、速動比率、資產(chǎn)負債率、應收賬款周轉(zhuǎn)率、應付賬款周轉(zhuǎn)率、主營業(yè)務利潤率、凈資產(chǎn)收益率、總資產(chǎn)利潤率八項指標系數(shù)顯著不同,可以作為區(qū)分ST公司與非ST公司的判別指標。存貨周轉(zhuǎn)率、總資產(chǎn)周轉(zhuǎn)率兩項指標未通過t檢驗,也就是不能有效區(qū)分ST公司與非ST公司,予以舍去。
財務指標大多存在多重共線的問題,進行單指標t檢驗之后,還需要對所剩八項指標的相關(guān)性再進行分析,以剔除高度相關(guān)的指標。分析結(jié)果見表3。
財務指標相關(guān)性分析 表3
從表3中可以發(fā)現(xiàn)A1和A2項指標,A8和A10項指標間高度相關(guān),剔除A2和A10。最后剩余流動比率、資產(chǎn)負債率、應收賬款周轉(zhuǎn)率、應付賬款周轉(zhuǎn)率、主營業(yè)務利潤率、凈資產(chǎn)收益率六項作為企業(yè)財務預警指標。
數(shù)據(jù)計算利用前述的雙基點距離比值模型,計算測試企業(yè)即樣本點到標準危機企業(yè)X的均值點的距離Xi=(xi1-x1‾sx1)2+(xi2-x2‾sx2)2+···+(xin-xn‾sxn)2]]>=Σj=1n(xij-x‾jsxj)2]]>其中i=1,2……,28,j=1,2,……,6計算測試企業(yè)即樣本點到標準非危機企業(yè)Y的均值點的距離Yi=(yi1-y1‾sy1)2+(yi2-y2‾sy2)2+···+(yin-yn‾syn)2]]>=Σj=1n(yij-y‾jsyj)2]]>其中i=1,2……,28,j=1,2,……,6將上述結(jié)果相除即計算訓練樣本的W值,Wi=XiYi]]>=Σj=1n(xij-x‾jsxj)2Σj=1n(yij-y‾jsyj)2=Σj=1n(xij-x‾jsxj)2Σj=1n(yij-y‾jsyj)2]]>其中Yi≠0.,i=1,2……,28,j=1,2,……,6結(jié)果見表4訓練樣本欄。在訓練樣本中選取ST27和非ST3之間的中點W0=1.228為最優(yōu)分割點,也可稱為預警臨界點。其中W0=(1.22+1.236)/2=1.228即小于此值的視為有危機而大于此值的則視為無危機。
利用同法計算測試樣本的W值,計算結(jié)果如表4所示
訓練樣本與測試樣本的W值 表4
判別W值是否大于最優(yōu)分割值W0=1.228,大于此值的企業(yè)認定為非危機企業(yè),小于此值的企業(yè)認定為危機企業(yè)。
輸出結(jié)果由上表4可看出,根據(jù)分割值W0,發(fā)現(xiàn)有兩家ST公司(ST55、ST56)和兩家非ST公司(非ST29、非ST30)未能識別,識別率達到92.8%,其余所有ST企業(yè)都存在危機而非ST企業(yè)則沒有危機。
給出建議對于W值遠大于W0的企業(yè),可以認為沒有危機;對于W值小于W0的企業(yè),可以認為存在危機,企業(yè)經(jīng)營者要加強管理,如果用的是財務指標,就表明企業(yè)遇到了財務危機;對于W值接近W0的企業(yè),可以認為企業(yè)處于危機的邊緣,應當引起管理者的重視。
如圖3所示,通過編程可將此模型作為一個模塊,同時配合以參數(shù)修改模塊、系統(tǒng)維護模塊及幫助模塊使之成為一個系統(tǒng);其中參數(shù)修改模塊又包括指標體系、閾值設置和權(quán)重設置三個子模塊,用來對系統(tǒng)進行預設和修改;系統(tǒng)維護模塊包括案例庫維護和密碼設置二個子模塊,用來收集、存儲、修改系統(tǒng)案例;幫助模塊則主要是如何使用本系統(tǒng)的說明。
實施例2預測-概率識別法如圖1及圖4所示,其模型流程為企業(yè)經(jīng)營原始數(shù)據(jù)采集——數(shù)據(jù)處理——數(shù)據(jù)計算——輸出結(jié)果——給出建議——結(jié)束,該模型可從企業(yè)財務、人力資源、組織和產(chǎn)品四個方面不同角度對企業(yè)的危機進行預警,現(xiàn)就以財務為例對該模型進行說明,其它方面如人力資源、組織、產(chǎn)品也是一樣應用,只需將企業(yè)的特征觀察值即描述企業(yè)經(jīng)營管理狀況的指標定量化即可。而實際上這些指標有定量的、也有定性的,對于不便計算的定性指標,通過德爾菲法、層次分析法或模糊數(shù)學等方法轉(zhuǎn)化為定量指標。
數(shù)據(jù)采集與處理目前,國際上關(guān)于企業(yè)財務危機的界定標準還有爭論,國外研究基本上是以企業(yè)破產(chǎn)或提出破產(chǎn)保護時企業(yè)的財務指標數(shù)據(jù)為界線來區(qū)別企業(yè)是否陷入財務危機。我國因為企業(yè)破產(chǎn)法頒布時間不長,市場經(jīng)濟還不成熟,企業(yè)財務危機的研究一般以上市公司是否是特別處理(ST)作為劃分標準。因此,在深滬股市中,隨機選擇32家ST公司和48家非ST公司的財務數(shù)據(jù)作為訓練樣本。在進行單指標顯著性及相關(guān)性分析之后,選擇流動比率、資產(chǎn)負債率、應收賬款周轉(zhuǎn)率、應付賬款周轉(zhuǎn)率、主營業(yè)務利潤率、凈資產(chǎn)收益率六項作為財務預警指標。
模式識別的樣本參數(shù)取法通常企業(yè)經(jīng)營情況分為危機狀態(tài)與非危機狀態(tài)兩類,即c=2。非危機企業(yè)的類別用ω1表示,危機企業(yè)(ST)的類別用ω2表示。財務預警指標有六項,即n=6,經(jīng)過參數(shù)估計,80家訓練樣本在某年的六項財務指標均服從多元正態(tài)分布,先驗概率分別是非ST企業(yè)P(ω1)=0.4,ST企業(yè)P(ω2)=0.6,條件概率密度函數(shù)p(x|ωi)的參數(shù)∑1、∑2、μ2、μ2的取值如下Σ1=1.221-12.0830.3521.8923.6070.769-12.08219.178-35.349-59.21-79.21-11.950.352-35.349128.8738.85370.029.0371.892-59.20938.853173.48-24.004-0.5823.607-79.21270.018-24.004179.67280.769-11.9559.037-0.5822822.81,μ12.09735.869.76611.3513.098.001]]>
Σ2=0.343-9.007-0.908-0.881-4.1012.633-9.007666.02-33.82-14.429139.02-171.61-0.908-33.8269.19313.6913.38441.557-0.881-14.4313.69234.3771.8321.133-4.101139.0213.38471.8351771.2655.852.633-171.61141.55721.133655.83835.55,μ21.05966.444.5874.891-39.43-29.51]]>經(jīng)計算,得出判別函數(shù)g12(x)=xT(W1-W2)x+(w1-w2)Tx+ω10-ω20=x1x2x3x4x5x6T1.9950-0.01640.04030.0635-0.00300.0051-0.0162-0.00530.0009-0.0004-0.00250.00140.04030.00090.0031-0.00040.0032-0.00140.0636-0.0004-0.00040.0154-0.00300.0014-0.0030-0.00250.0032-0.0030-0.00540.00460.00510.00137-0.00140.00140.0046-0.0265x1x2x3x4x5x6+-4.630.506-0.249-0.2990.2940.181Tx1x2x3x4x5x6-5.0851]]>選定某上市公司X作為實證研究案例,1999年到2003年它的六項財務指標數(shù)據(jù)見下表5某上市公司X財務指標數(shù)據(jù)表5
單項指標預測考慮到流動比率會受資產(chǎn)負債率的影響,主營業(yè)務利潤率會受凈資產(chǎn)收益率的影響,因此對資產(chǎn)負債率、應收賬款周轉(zhuǎn)率、應付賬款周轉(zhuǎn)率、凈資產(chǎn)收益率分別建立GM(1,1),對流動比率和主營業(yè)務利潤率分別建立GM(1,n)模型。
系統(tǒng)預測將GM(1,1)和GM(1,n)模型組合在一起得到系統(tǒng)的狀態(tài)方程x·1x·2x·3x·4x·5x·6=0.561-0.029000000.0810000000.1420000000.045000000-1.9961.8500000-0.21x1x2x3x4x5x6+029.12.4321.6014.4]]>解方程得出預測結(jié)果為x(6)=[1.56,45.38,5.64,27.6,3.89,4.71]計算最小錯誤率判別值根據(jù)最小錯誤率判別函數(shù)式,有g(shù)12(x)=7.33。因為g12(x)=7.33>0,故而得知某上市公司X為非危機企業(yè)。
輸出結(jié)果而由JB=2.258,錯誤率上界P(e)=5.12%,可確定某上市公司X為非危機企業(yè)的判斷出錯的最大概率僅為5.12%。
給出建議據(jù)此預測某上市公司X在2004年不會發(fā)生財務危機。
如圖5所示,通過編程可將此模型作為一個模塊,同時配合以參數(shù)修改模塊、系統(tǒng)維護模塊及幫助模塊使之成為一個系統(tǒng);其中參數(shù)修改模塊又包括指標體系、閾值設置和權(quán)重設置三個子模塊,用來對系統(tǒng)進行預設和修改;系統(tǒng)維護模塊包括案例庫維護和密碼設置二個子模塊,用來收集、存儲、修改系統(tǒng)案例;幫助模塊則主要是如何使用本系統(tǒng)的說明。
實施例3模糊識別-聚類法如圖1及圖6所示,其模型流程為企業(yè)經(jīng)營原始數(shù)據(jù)采集——數(shù)據(jù)處理——數(shù)據(jù)計算——輸出結(jié)果——給出建議——結(jié)束,該模型可從企業(yè)財務、人力資源、組織和產(chǎn)品四個方面不同角度對企業(yè)的危機進行預警,現(xiàn)就以財務為例對該模型進行說明,其它方面如人力資源、組織、產(chǎn)品也是一樣應用,只需將企業(yè)的特征觀察值即描述企業(yè)經(jīng)營管理狀況的指標定量化即可。而實際上這些指標有定量的、也有定性的,對于不便計算的定性指標,通過德爾菲法、層次分析法或模糊數(shù)學等方法轉(zhuǎn)化為定量指標。
數(shù)據(jù)采集與處理我們在2003年深滬股市中,隨機選擇24家公司的財務數(shù)據(jù)(見表6)作為訓練樣本,另外選擇3家公司作為測試樣本。在進行了財務指標顯著性及相關(guān)性分析之后,選擇流動比率、資產(chǎn)負債率、應收賬款周轉(zhuǎn)率、應付賬款周轉(zhuǎn)率、主營業(yè)務利潤率、凈資產(chǎn)收益率六項作為財務預警指標。危機等級分為正常狀態(tài)、不確定狀態(tài)、危機狀態(tài)三種。
為求出模糊識別矩陣,首先聘請有關(guān)專家對24家公司的財務狀況進行評估打分,然后統(tǒng)計結(jié)果并進行綜合平均,得出每家公司經(jīng)營狀態(tài)危機等級模糊隸屬度(見表6)。
訓練樣本的原始特征值和經(jīng)營狀態(tài)模糊隸屬度 表6
計算測試企業(yè)的最優(yōu)模糊識別矩陣對24家公司的指標數(shù)據(jù)進行歸一化處理,其中參數(shù)m=6,n=24,c=3,再根據(jù)sih=Σj=1nuhj2rijΣj=1nuhj2]]>其中k=1,2,3;i=1,…,6;j=1,2,3。
得出三種狀態(tài)的模糊聚類中心矩陣S為S=0.48680.25240.14410.24350.55270.77250.29250.18400.14760.45300.40680.30070.90730.79190.50400.90010.77340.3886]]>選取2003年三家上市公司作為測試樣本,其財務數(shù)據(jù)如表7所示。
企業(yè)危機測試樣本表7
得出正常、不確定、危機三種狀態(tài)的隸屬度值假設各指標權(quán)重相同,根據(jù)uhj=1Σk=1cΣi=1m[wi(rij-sih)]2Σi=1m[wi(rij-sik)]2]]>其中k=1,2,3;i=1,…,6;j=1,2,3。
計算出三家公司屬于三種危機等級的隸屬度U如表8所示。
測試樣本企業(yè)危機隸屬度表8
依據(jù)計算的結(jié)果即表8所示的值進行判別ST69企業(yè)危機值最大表明該企業(yè)屬于危機企業(yè),ST70企業(yè)不確定值最大表明該企業(yè)屬于灰色企業(yè),而非ST69企業(yè)正常值最大表明該企業(yè)屬于非危機企業(yè)。
輸出結(jié)果由隸屬度的值可以判斷出ST69屬于危機狀態(tài),ST70屬于不確定狀態(tài),非ST69屬于正常狀態(tài)。
給出建議ST69企業(yè)財務出現(xiàn)危機,主營業(yè)務利潤率為負,處于虧損狀態(tài),應加強市場營銷,降低各種成本,擴大主營產(chǎn)品銷量,提高盈利能力。ST70處于危機邊緣,應加強企業(yè)內(nèi)部管理,降低成本。ST69企業(yè)財務情況正常,沒有危機,可照常經(jīng)營。
如圖7所示,通過編程可將此模型作為一個模塊,同時配合以參數(shù)修改模塊、系統(tǒng)維護模塊及幫助模塊使之成為一個系統(tǒng);其中參數(shù)修改模塊又包括指標體系、閾值設置和權(quán)重設置三個子模塊,用來對系統(tǒng)進行預設和修改;系統(tǒng)維護模塊包括案例庫維護和密碼設置二個子模塊,用來收集、存儲、修改系統(tǒng)案例;幫助模塊則主要是如何使用本系統(tǒng)的說明。
再如圖8所示,同理通過編程可將三個實施例中的三個模型并列起來,再配合參數(shù)修改模塊、系統(tǒng)維護模塊及幫助模塊使之成為一個統(tǒng)一的整體。
權(quán)利要求
1.一種企業(yè)危機預警系統(tǒng),主要是通過對企業(yè)各種經(jīng)營管理信息的比較、分析和評價,判別企業(yè)目前的經(jīng)營狀態(tài)是否進入危機,以及預測企業(yè)的未來是否會發(fā)生危機,從而幫助企業(yè)經(jīng)營者了解企業(yè)經(jīng)營的真實狀況,危機的程度,以及危機產(chǎn)生的根源,為企業(yè)經(jīng)營者決策提供參考意見,并最終采取相應措施;其特征在于系統(tǒng)由雙基點距離比值法、預測-概率識別法、模糊識別-聚類法、參數(shù)修改、系統(tǒng)維護、幫助等六個模塊組成,其中雙基點距離比值法、預測-概率識別法、模糊識別-聚類法模塊又包括數(shù)據(jù)采集、數(shù)據(jù)處理、數(shù)據(jù)計算、輸出結(jié)果和給出建議等子模塊;且雙基點距離比值法、預測-概率識別法、模糊識別-聚類法模塊是并列關(guān)系,這三個模塊建立了三個不同的模型,每一個模型都可從企業(yè)財務、人力資源、產(chǎn)品和組織四個方面不同角度單獨對企業(yè)的危機進行預警。
2.根據(jù)權(quán)利要求1所述的企業(yè)危機預警系統(tǒng),其特征在于雙基點距離比值法模型是這樣建立的設企業(yè)危機預警指標有n個,考慮訓練樣本m+k個,其中陷入危機的企業(yè)數(shù)量是m,組成集合X,非危機企業(yè)數(shù)量是k,組成集合Y,假設危機企業(yè)X的樣本均值為x,其取值為危機企業(yè)X的樣本方差為xj‾=1mΣi=1mxij]]>其中sxj≠0;j=1,2,…,nsxj2=1m-1Σi=1m(xij-xj‾)2]]>非危機企業(yè)Y的樣本均值為y,其取值為非危機企業(yè)Y的樣本方差為yj‾=1kΣi=1kyij]]>其中syj≠0;j=1,2,…,nsyj2=1k-1Σi=1k(yij-yj‾)2]]>以危機企業(yè)X與非危機企業(yè)Y的兩個樣本均值 和 作為兩個中心基準點,即雙基點,求解各企業(yè)的特征觀察值到雙基點的距離,并進行比較;具體計算步驟如下求出樣本點到危機企業(yè)X的均值點的距離Xi=(xi1-x1‾sx1)2+(xi2-x2‾sx2)2+···+(xin-xn‾sxn)2]]>=Σj=1n(xij-x‾jsxj)2---(1-1)]]>其中i=1,2,…,m+k;j=1,2,…,n求出樣本點到非危機企業(yè)Y的均值點的距離Yi=(yi1-y1‾sy1)2+(yi2-y2‾sy2)2+···+(yin-yn‾syn)2]]>=Σj=1n(yij-y‾jsyj)2---(1-2)]]>其中i=1,2,…,m+k;j=1,2,…,n求兩距離比值WWi=XiYi]]>=Σj=1n(xij-x‾jsxj)2Σj=1n(yij-y‾jsyj)2=Σj=1n(xij-x‾jsxj)2Σj=1n(yij-y‾jsyj)2---(1-3)]]>其中且設Yi≠0.,i=1,2,…,m+k將所有訓練樣本企業(yè)的W值按大小排序,找出危機企業(yè)X與非危機企業(yè)Y的預警最優(yōu)分割點W。;利用分割點W。測試企業(yè)財務狀況,達到預警目的。
3.根據(jù)權(quán)利要求1所述的企業(yè)危機預警系統(tǒng),其特征在于預測-概率識別法模型是這樣建立的將企業(yè)的特征觀察值,記為xn(t),其中,n表示觀察值的個數(shù),t表示時間,且t∈(1,k)。所有觀察值構(gòu)成了描述企業(yè)經(jīng)營狀況的n×k維特征狀態(tài)空間x1(1)x1(2)···x1(k)x2(1)x2(2)···x2(k)············xn(1)xn(2)···xn(k)]]>若將企業(yè)危機狀態(tài)等級總數(shù)記為c,即c個警度,各類別等級狀態(tài)分別用ωi表示,i=1,2,…,c,則各個ωi出現(xiàn)的先驗概率分別是P(ωi),條件概率密度函數(shù)是p(x|ωi)。假設從1到k個時間段內(nèi)的n個特征觀察值和對應的P(ωi)、p(x|ωi)已知;現(xiàn)在要預測t=k+1時刻,企業(yè)特征向量x(k+1)=[x1(k+1),x2(k+1),…,xn(k+1)]的值,并判別它會出現(xiàn)何種等級的危機。對獨立的特征觀察值,即主導因素建立GM(1,1)模型,對非獨立的特征觀察值,即關(guān)聯(lián)因素建立GM(1,n)模型。GM(1,1)與GM(1,n)灰色模型對于n個變量的系統(tǒng),若已給定1至k個時刻的特征觀察值數(shù)列。x1(0)={x1(0)(1),x1(0)(2),···,x1(0)(k)}]]>x2(0)={x2(0)(1),x2(0)(2),···,x2(0)(k)}]]>···]]>xn(0)={xn(0)(1),xn(0)(2),···,xn(0)(k)}]]>每個xi(0)(i=1,2,…,n)代表系統(tǒng)的一個原始狀態(tài),為此,對主導因素建立GM(1,1)模型dxi(1)dt+aixi(1)=ui---(2-1)]]>a=[ai,ui]T=(BiTBi)-TBiTYi---(2-2)]]>Bi=-12(xi(1)(1)+xi(1)(2))1-12(xi(1)(2)+xi(1)(3))1··1·-12(xi(1)(k-1)+xi(1)(k))1---(2-3)]]>對關(guān)聯(lián)因素建立GM(1,n)模型dxi(1)dt+aixi(1)=Σm≠inamxm(1)---(2-4)]]>a=[a1,a2,···,an]T=(BiTBi)-TBiTYi---(2-5)]]>Bi=-12(xi(1)(1)+xi(1)(2))xi(1)(2)···xi-1(1)(2)xi+1(1)(2)···xn(1)(2)-12(xi(1)(2)+xi(1)(3))xi(1)(3)···xi-1(1)(3)xi+1(1)(3)···xn(1)(3)···············-12(xi(1)(k-1)+xi(1)(k))xi1(k)···xi-1(1)(k)xi+1(1)(k)···xn(1)(k)---(2-6)]]>其中(2-2)式和(2-5)式的Yi=[xi(0)(2),xi(0)(3),···,xi(0)(k)]T---(2-7)]]>(2-3)式和(2-6)式中的xi(1)是xi(0)的一次累加生成(1-AGO)值,即xi(1)(k)=Σm=1kxi(0)(m)---(2-8)]]>對于所有的特征觀察值xi(0)(i=1,2,…,n)序列,分別建立相應的GM(1,1)或GM(1,n)模型,就組成了n個多元微分方程,變換成標準的形式,有x·1(1)=a11x1(1)+a12x2(1)+···+a1nxn(1)+u1x·2(1)=a21x1(1)+a22x2(1)+···+a2nxn(1)+u2···x·n(1)=an1x1(1)+an2x2(1)+···+annxn(1)+un---(2-9)]]>于是,系統(tǒng)預測模型的狀態(tài)方程為X·=AX+UX(t0)+=X(0)---(2-10)]]>式中X·=[x·1,x·2,···,x·n]T,X=[x1,x2,···,xn]T,U=[u1,u2,···,un]T]]>X(0)=[x1(0)(1),x2(0)(1),···,xn(0)(1)]T]]>狀態(tài)方程矩陣A=a11a12···a1na21a22···a2n············an1an2···ann]]>用Laplace變換,可求出系統(tǒng)狀態(tài)方程的解的形式X(t)=eAtX(0)+∫0teA(t-τ)B(τ)u(τ)dτ---(2-11)]]>式中eAt=I+At+12!A2t2+···+1m!Amtm]]>利用龍格-庫塔(Runge-Kutta)法,計算出t=k+1時刻的解x(1)(k+1)=[x(1)1(k+1),x(1)2(k+1),…,x(1)n(k+1)] (2-12)對(2-12)式進行累減生成(1-IGO),即xi(0)(k+1)=xi(1)(k+1)-xi(1)(k)---(2-13)]]>最后得到預測結(jié)果x(0)(k+1)=[x(0)1(k+1),x(0)2(k+1),…,x(0)n(k+1)](2-14)有了預測結(jié)果之后,就可以對企業(yè)的危機警度進行判別;最小出錯率的分類模式有如下決策規(guī)則如果P(ωi|x)>P(ωj|x),則把x歸類于ωi;如果P(ωi|x)<P(ωj|x),則把x歸類于ωj;如果P(ωi|x)=P(ωj|x),則有待判別;根據(jù)上面的規(guī)則,利用貝葉斯公式P(ωi|x)=p(x|ωi)P(ωi)Σi=1cp(x|ωi)P(ωi)---(2-15)]]>定義判別函數(shù)gij(x)=gi(x)-gj(x) (2-16)式中g(shù)i(x)=P(ωi|x)或者gi(x)=p(x|ωi)P(ωi),i=1,2,…,c。gj(x)同gi(x)類似;如果gij(x)>0,則決策ωi;如果gij(x)<0,則決策ωj;如果gij(x)=0,則表示這是決策面方程;n個特征觀察值x的分布預先可以通過大量的統(tǒng)計數(shù)據(jù)估算出,這里考慮x呈正態(tài)分布時的計算方法;在類別ωi中,觀察值x呈多元正態(tài)分布的概率密度函數(shù)為p(x|ωi)=1(2π)n2|Σi|12exp{-12(x-μi)TΣi-1(x-μi)}---(2-17)]]>式中x=[x1,x2,…,xn]T,μi=Ei(x),表示類ωi的均值向量,∑i=E{(x-μi)(x-μi)T},表示類ωi的協(xié)方差矩陣。在多元正態(tài)分布下,判別函數(shù)為判別函數(shù)gij(x)=gi(x)-gj(x)=xT(Wi-Wj)x+(wi-wj)Tx+ωi0-ωj0(2-21)式中 ωi0=-12μiTΣi-1μi-12ln|Σi|+lnP(ωi)]]>如果兩個類服從N(μ1,∑1)和N(μ2,∑2)的正態(tài)分布,則Bhattacharyya系數(shù)確定的錯誤率上界為P(e)≤P(ω1)P(ω2)exp(-JB)---(2-23)]]>式中JB=18(μ2-μ1)T(Σ1+Σ22)-1(μ2-μ1)+12ln|12(Σ1+Σ2)||Σ1|12|Σ2|12.]]>
4.根據(jù)權(quán)利要求1所述的企業(yè)危機預警系統(tǒng),其特征在于模糊識別-聚類法模型是這樣建立的設有n個企業(yè)樣本組成的樣本集,每個樣本有m個特征指標,則指標特征矩陣表示可為X=x11x12···x1nx21x22···x2n············xm1xm2···xmn=(xij)m×n---(3-1)]]>式中,xij為樣本j指標i的特征值,i=1,2,…,m;j=1,2,…,n;由于m個指標的特征值存在量綱量級上的差異,為了消除指標特征值之間量綱的影響,用(3-2)式對其進行規(guī)格化處理rij=xij-ximinximax-ximin]]>或rij=ximax-xijximax-ximin---(3-2)]]>式中,ximax為第i個指標的最大特征值;ximin為第i個指標的最小特征值;rij為xij的規(guī)格化值,且0≤rij≤1;由(3-2)式可將(3-1)式化為相對隸屬度矩陣;R=r11r12···r1nr21r22···r2n············rm1rm2···rmn=(rij)m×n---(3-3)]]>若企業(yè)樣本集依據(jù)經(jīng)營狀態(tài)的好壞按輕重分為c個等級,則所有樣本組成的模糊識別矩陣為U=u11u12···u1nu21u22···u2n············uc1uc2···ucn=(uhj)c×n---(3-4)]]>式中,uhi表示樣本j歸屬于h類的相對隸屬度,h=1,2,…,c;j=1,2,…,n;設樣本j完全屬于h類的隸屬度為1,完全不屬于h類的隸屬度為0,則(3-4)式滿足的條件如下0≤uhj≤1;Σh=1cuhj=1;Σj=1nuhj>0---(3-5)]]>設0≤sjh≤1,sjh為類別h指標i的特征值的聚類中心,則c個類別的模糊聚類中心矩陣為S=s11s12···s1cs21s22···s2c············sm1sm2···smc=(sih)m×c---(3-6)]]>如果考慮企業(yè)經(jīng)營指標的重要性程度存在區(qū)別,則各指標的權(quán)向量為W=(w1,w2,…,wm),且Σi=1mwi=1---(3-7)]]>聚類樣本j與類別h的特征值聚類中心之間的差異可用廣義歐氏權(quán)距離表示,即||wi(rj-sh)||={Σi=1m[wi(rij-sih)]p}1p---(3-8)]]>其中p為距離參數(shù),為了更加完善地描述聚類樣本j與類別h間的差異,將樣本j歸屬于類別h的相對隸屬度uhj定義為廣義歐氏權(quán)距離的權(quán)重,于是,加權(quán)廣義歐氏權(quán)距離為d(rj,sh)=uhj‖wi(rj-sh)‖ (3-9)為達到求解最優(yōu)模糊識別矩陣、最優(yōu)模糊聚類中心矩陣和最優(yōu)指標權(quán)重的目的,建立模糊環(huán)境下的目標函數(shù)min{F=Σj=1nΣh=1c{uhj[Σi=1m[wi(rij-sih)]p]1p}2}---(3-10)]]>它表示聚類樣本集對于全體類別加權(quán)廣義歐氏權(quán)距離平方和最小;當p=2時,(3-10)式變?yōu)閙in{F=Σj=1nΣh=1c{uhj2[Σi=1m[wi(rij-sih)]2]}}---(3-11)]]>設已知企業(yè)模糊識別矩陣U,指標權(quán)重向量W,求解最優(yōu)模糊聚類中心S,如果沒有直接給出模糊識別矩陣U和指標權(quán)重向量W,通??梢酝ㄟ^調(diào)查問卷法、德爾菲法或?qū)哟畏治龇ǖ确椒ù_定;當uhj、wi直接給出時,此時(3-11)式中的sih為未知數(shù),目標函數(shù)可表示為min{F(sih)}=Σh=icmin{Σj=1n{uhj2Σi=1m[wi(rij-sih)]2}}---(3-12)]]>dF(sih)dsih=2Σj=1nuhj2wi2sih-2Σj=1nuhj2wi2rij=0---(3-13)]]>sih=Σj=1nuhj2rijΣj=1nuhj2---(3-14)]]>給出企業(yè)指標權(quán)重向量w,模糊聚類中心矩陣S,求解最優(yōu)模糊識別矩陣U,此時,目標函數(shù)式(3-11)可表示為min{F(uhj)}=Σj=1nmin{Σh=1c{uhj2Σi=1m[wi(rij-sih)]2}}---(3-15)]]>根據(jù)等式約束條件式(3-5),構(gòu)造拉格朗日函數(shù)L(uhj,λ)=Σh=1cuhj2[Σi=1m[wi(rij-sih)]2]-λ(Σh=1cuhj-1)---(3-16)]]>∂L(uhj,λ)∂uhj=2uhjΣi=1m[wi(rij-sih)]2-λ=0---(3-17)]]>∂L(uhj,λ)∂λ=Σh=1cuhj-1=0---(3-18)]]>由式(3-17)和(3-18)得uhj=1Σk=1cΣi=1m[wi(rij-sih)]2Σi=1m[wi(rij-sik)]2---(3-19)]]>因此,根據(jù)最大隸屬原則可以判別企業(yè)危機狀態(tài)所屬類別;已知樣本企業(yè)模糊識別矩陣U,模糊聚類中心矩陣S,求解最優(yōu)指標權(quán)重W,此時,目標函數(shù)式(3-11)可表示為min{F(wi)}=Σj=1nΣh=1c{uhj2Σi=1m[wi(rij-sih)]2}---(3-20)]]>為求解最優(yōu)指標權(quán)重,依據(jù)等式約束條件式(3-7),構(gòu)造拉格朗日函數(shù)L(wi,λ)=Σj=1nΣh=1cuhj2[Σi=1m[wi(rij-sih)]2]-λ(Σi=1mwi-1)---(3-21)]]>∂L(wi,λ)∂wi=2wiΣj=1nΣh=1c[uhj(rij-sih)]2-λ=0---(3-22)]]>∂L(wi,λ)∂λ=Σi=1mwi-1=0---(3-23)]]>由(3-22)式、(3-23)式,求解得wi=1Σk=1nΣj=1nΣk=1c[ukj(rij-sih)]2Σj=1nΣh=1c[ukj(rij-skh)]2---(3-24)]]>
5.根據(jù)權(quán)利要求2或3或4所述的企業(yè)危機預警系統(tǒng),其特征在于企業(yè)的特征觀察值是指描述企業(yè)經(jīng)營管理狀況的指標,這些指標有定量的、也有定性的,涉及到財務、組織結(jié)構(gòu)、人力資源、產(chǎn)品諸方面,對于不便計算的定性指標,通過德爾菲法、層次分析法或模糊數(shù)學等方法轉(zhuǎn)化為定量指標。
6.根據(jù)權(quán)利要求1所述的企業(yè)危機預警系統(tǒng),其特征在于通過編程可將每一模型作為一個模塊,同時配合以參數(shù)修改模塊、系統(tǒng)維護模塊及幫助模塊使之成為三個單獨的系統(tǒng);也可將三個模型和參數(shù)修改模塊、系統(tǒng)維護模塊及幫助模塊通過編程在一個數(shù)據(jù)處理器上統(tǒng)一成一個整體。
7.根據(jù)權(quán)利要求6所述的企業(yè)危機預警系統(tǒng),其特征在于參數(shù)修改模塊又包括指標體系、閾值設置和權(quán)重設置三個子模塊,用來對系統(tǒng)進行預設和修改;系統(tǒng)維護模塊包括案例庫維護和密碼設置二個子模塊,用來收集、存儲、修改系統(tǒng)案例;幫助模塊則主要是如何使用本系統(tǒng)的說明。
全文摘要
本發(fā)明公開了一種企業(yè)危機預警系統(tǒng)主要通過對企業(yè)各種經(jīng)營管理信息的比較、分析和評價,判別企業(yè)目前的經(jīng)營狀態(tài)是否進入危機,以及預測企業(yè)的未來是否會發(fā)生危機,為企業(yè)經(jīng)營者決策提供參考意見,并采取相應措施;系統(tǒng)由雙基點距離比值法、預測-概率識別法、模糊識別-聚類法、參數(shù)修改、系統(tǒng)維護、幫助等六個模塊組成,其中雙基點距離比值法、預測-概率識別法、模糊識別-聚類法模塊又包括數(shù)據(jù)采集、數(shù)據(jù)處理、數(shù)據(jù)計算、結(jié)論與建議等子模塊。另外,系統(tǒng)可以對指標體系、閾值、權(quán)重進行預設和修改,還具備收集、存儲、修改案例的功能。建立企業(yè)危機預警系統(tǒng),對企業(yè)穩(wěn)定與安全態(tài)勢進行及時預測和報警,是企業(yè)健康有序運行和良性發(fā)展的迫切需要,同時可以極大地提高企業(yè)的“抗危機”能力。
文檔編號G06Q10/00GK1928905SQ20061008887
公開日2007年3月14日 申請日期2006年7月21日 優(yōu)先權(quán)日2006年7月21日
發(fā)明者孫星, 邱菀華 申請人:北京航空航天大學