前言：中文期刊网精心挑选了人工智能财务风险范文供你参考和学习，希望我们的参考范文能激发你的文章创作灵感，欢迎阅读。
人工智能财务风险范文1
一、国外财务风险预警模型研究
①单变量判别模型。Fitzpatrick是最早探索财务风险预警模型的学者之一。他以19家公司为样本，他建立一个单变量判别模型来探索财务风险预警问题，通过对破产和经营正常企业财务比率的对比分析，得出产权比率和净资产收益率两个指标对财务风险具有较高的预警精度。芝加哥大学教授Beaver开发了一个基于Fitzpatrick的单变量预警模型，以1954-1966年158家破产企业与正常企业的财务关系为研究对象，得出净利润/总资产指标和净现金流量/总负债指标在财务风险预测方面更为准确。②多变量判别模型。Altman是将多变量判别模型应用于财务风险预警领域研究的首位开拓者。他提出的Z-Score模型是国外影响最大的多元线性判别模型。从1946年至1965年期间66家有问题和经营中的公司中随机抽取一个样本，它从22个提供最佳预警的备选财务比率的范围内选择了5个，并建立了一个五变量判别模型来计算Z值，并根据Z值的大小确定公司破产或失败的概率。结果表明，Z评分模型的预测精度远高于单变量模型，但Z评分模型仅适用于短期预测，长期预警精度较差。在接下来的几年里，Altman等分别选择了53家和58家破产公司以及58家正常公司，并在五个变量Z-score5中添加了两个财务指标，因为非上市公司无法估计股票的市场价格状况。建立一个七变量ZETA模型。P’Wu建立了多变量判别预警模型，在传统财务风险与收益管理和相关分析的基础上提出了财务风险预警的必要性，并构建了多元线性预警模型多样性验证了线性预警模型的有效性，目前已有较好的验证性预警模型。③逻辑回归模型。由于单元和多元判别预警模型都无法准确测算企业财务风险的概率，多元逻辑回归模型逐渐成为1970年代时期研究者探究预警财务风险的最普遍模型。Martin是将Logistic回归模型运用到财务风险预警的首位开拓者。研究结果发现，在样本正态，变量独立且非等均值的状态下，多元判定模型仅仅是Logistic回归模型的特殊情况。Ciarlone等将现有的预警模型和宏观经济学理论结合，构建了实证有效且规则简单的逻辑风险预警模型。Matthieu等创新性地将二元离散方法融入Logistic回归模型中，并基于32家处于财务危机中的公司的财务数据，他们建立并划分了Logistic回归预警模型。经过检验对企业的潜在危机有较高预测精度。④神经网络模型。ClarenceTam通过Coats等的研究基础上。对94家破产企业和188家正常企业的财务数据进行分析，结果表明，神经网络模型对财务风险预警具有较高的精度。George根据医药行业的特点，运用人工神经网络理论，建立了医药企业现金流预警模型，并对样本数据进行了同行分析，研究结果表明，预警模型精度与公司距离ST时间的长短呈现负相关。综上所述，国外财务风险预警研究主要集中于构建财务风险预警模型。研究成果比较成熟，在实践中得到了广泛的应用，财务风险预警成为企业财务风险研究的一个重要领域。
二、国内财务风险预警模型研究
综述国内大部分的财务预警研究都是借鉴国外研究经验建立模型的，我国的财务风险预警研究开始于1990年代，风险预警进行了单个变量变为多个变量到复杂模型多个阶段。随着我国经济的增长，国内研究者对公司财务风险预警模型的研究也在不断深入。通过结合各个行业的特点，结合定量和定性分析，建立与社会主义经济相适应的财务风险预警模型。1.财务风险理论研究。刘恩禄等较早且全面地对财务风险的概念界定，财务风险通常是指在企业的生产、采购、销售等一系列生产经营活动中，企业由于被内外部环境影响和各种事前难以控制和预料的不确定性因素以间接和无形方式的作用和改变，实际收益在特定的时间段内与预计的预期收益产生一定的偏差给利益相关者造成损失的可能性。张影认为餐饮业主要需要应对的财务风险包括筹资、投资、营运三个维度，并从餐饮企业自身及其面临的宏观环境中客观分析了产生财务风险的原因。2.财务风险预警模型研究。①单变量判别模型。吴世农等在《中国经济问题》发表文章，对公司破产分析的有关预警指标并首次介绍了单变量判别模型。陈静对同行业及规模的ST和非ST共54家公司的财务信息构建单变量模型，结果显示，资产负债率、营运资本比率、流动比率和总资产收益率这四个指标对企业的财务失败的预测具有敏感性，流动比率和资产负债率判别正确率最高。②多变量判别模型。袁康来等人利用Z模型对农业企业财务风险预警进行了研究，验证了Z模型具有良好的预警效果。李元峰等在杨成岩等前人研究成果的基础上优化通过调整了临界值和增加了3个新变量优化Z模型，大大提高了模型的精度和适用性。周守华等通过增加一个能够预测公司破产的财务指标——现金流量指数，建立了F评分模型。在实施该模型的实证实践中，选择了4160家公司，准确率高达70%。结果表明，F-Score模型是一种更为准确的财务风险预警模型。张玲选择120家共涉及14个行业的公司，利用多元判别函数建立了财务风险预警系统。研究结果表明，该模型能够为ST公司的财务风险预警分析提供依据。③逻辑回归模型。陈晓等采用Logistic回归模型对ST公司进行了实证研究。结果表明，股权指数和资产收益率是反映ST公司财务风险预警效果最好的财务指标。将因子分析在处理指标方面的优势与Logistic回归模型拟合精度较高的优势相结合，研究上市公司财务风险预警问题。王华丽等在奥特曼Z评分模型的基础上，建立了中小企业财务风险预警模型。结果表明，奥特曼的Z评分模型基本上反映了企业的财务状况。2015年黄杨选取ST公司12家和正常经营的12家作为研究样本。结果表明，该模型具有较高的财务风险预警精度。李常山将2016年23家制造业上市公司与2016年30家非制造业上市公司进行了比较，在对财务信息进行主成分分析后，采用Logistic回归建立了财务风险预警模型。结果表明，通过建立财务风险预警模型，上市公司可以有效降低财务危机发生的概率。④神经网络预警模型。李芳等建立基于神经网络模型的企业财务预警模型，结果表明资产负债率、每股净资产、净现金流量三个指标对企业财务危机预警具有重要作用，具有良好的财务危机判断和预测能力。通过专家调查，李晓青等获得了15家样本企业的物流外包风险评价指标。基于BP神经网络构建了适合物流行业公司的模型预警财务风险。结果表明，该模型对物流企业具有较高的预警精度。邢瑞雪等以78家上市公司财务数据为样本，采用BP神经网络支持向量机构建基于人工智能方法的模型，并与传统财务风险预警结果对比。结果表明，用人工智能方法建立的财务风险预警模型具有更高的预警精度。孙新贤等从2004年至2016年的四大航空公司中选择了49家，其中38家是培训样本，11家是测试样本。他运用主成分分析的方法对预警财务风险的各个指标降维优化，基于BP神经网络构建财务风险预警系统。研究结果显示，BP神经网络模型能够有效地预测航空公司的财务风险。
三、模型比较
单变量决策模型的最大特点是选择单一的财务指标作为研究对象。该模型的应用首先需要选择两组样本，一组是预测样本，另一组是检验样本，来建立和检验模型。其次，根据一定的财务比率对预测样本进行分类，寻找一个阈值来判断两组样本，使误差最小。再其次，用阈值测试试样。单变量决策模型的优点是易于管理，过程简单易行；缺点是无法监测和分析企业内外部环境的不断变化。因此，结果往往既不那么确定，也不那么客观，无法准确预测公司的风险。多元判别模型与一维决策模型最大的区别在于前者选择了更多的变量和角度来预测企业的风险。该模型的关键是选择多维度反映企业财务状况、有利于宏观风险控制的指标。与单变量判别模型相比，多变量判别模型可以从多个维度更详细、更客观地监测和分析企业财务状况，提高预警精度。然而，多变量判别预警模型仍有局限性。一方面，多变量判别预警模型要求变量满足正态分布假设，另一方面，它们没有充分考虑现金流量的变化情况，从而缩小了模型的使用范围。多元逻辑回归中对于自变量分布的假设没有要求，克服了线性模型必须满足统计假设的缺陷，因此Logistic回归方法可以规避了判别分析中难以达到的前提假设，它极大地改善财务风险的预测并解决了判别分析中的多种弊病，包括比率指标是正态分布的假设以及样本企业具有相同的协方差方差矩阵的假设。因此，1980年代之后多元Logistic回归代替了判别分析预警模型，占领了财务风险研究范畴核心地位。逻辑回归模型的局限性在于由于大部分计算结果都是近似的，因此计算并不准确，与实际结果间有较大差距。
四、研究结论
人工智能财务风险范文2
一、风险与企业财务风险的分析方法
（一）风险分析的一般方法
现代风险管理论认为，风险分析是风险管理过程的首要步骤，它是实施风险方法与控制的前提条件。对风险进行分析一般包括风险辨识、风险估计和风险评价等相辅相成的三个阶段。风险分析是一门理论性和实用性都很强的边缘学科，它广泛地利用各种定性和定量方法对风险进行辨识、估计和评价。分析众多论及风险分析方法的研究文献，对其常用的方法包括：
1.风险辨识方法（Risk Identification）。风险辨识是指从系统的观点出发，对研究对象所面临的、以及潜在的（关键）风险因素加以判断、归类和鉴定风险性质的过程。风险辨识常用的方法包括：专家调查法（是大系统风险辨识的主要方法，按照专家调查形式的不同，它又可分为专家个人判断法、头脑风暴法和德尔菲法等十余种，）；故障树分析法（FTA法）；情景分析法（Scenario Analysis）；筛选――监测――诊断方法。
2.风险估计和评价方法（Risk Measurement and Assessment）。风险估计和评价是指应用各种管理科学技术，采用定性与定量相结合的方式，最终定量地估计风险大小，找出主要的风险源（因素），并评价风险的可能影响，以便以此为依据，对风险采取相应的对策。常用的方法包括：调查和专家打分法、概率方法、数理统计方法、生存风险度量法、蒙特卡罗模拟法（Monte Carlo Simulation）、效用函数法。
（二）企业财务风险分析方法
依据风险分析的一般过程，企业财务风险分析的工作流程是：首先对企业财务风险引致因素进行综合识别，然后在特定分析方法基础上拟定出一个基本风险标准，并以此来估计和评价企业的财务风险。在大量的企业财务风险研究成果中，研究人员充分利用各种经济、统计、会计和数学工具，在理论和实践两方面结合探讨的基础上，总结出了各种形式的财务风险分析方法，概括起来主要可分为两大类：财务风险主观分析方法和财务风险客观分析方法。前者主要依赖于企业主观因素，而后者主要依赖于企业客观因素。根据企业财务风险分析方法的产生时期和细致程度及成熟程度的不同，两类财务风险分析方法又可分别区分为传统分析方法和现代分析方法。主观分析法包括：资产负债表透视法、经理直接观察法、事件推测法、企业股市跟踪法和“A记分”法（前三种属于传统主观分析法，后一种属于现代主观分析法）；客观分析法包括：财务比率分析法、杜邦分析体系、沃尔评分法、“Z记分”法（前一种属于传统客观分析法，后三种属于现代客观分析法）。
二、企业财务预警研究背景与现状
预警（Early－Warning）一词源于军事。它是指通过预警飞机、预警雷达、预警卫星等工具来提前发现、分析和判断敌人的进攻信号，并把这种进攻信号的威胁程度报告给指挥部门，以提前采取应对措施。
军事预警在社会政治、宏观管理与环境保护、经济各个领域得到了广泛的应用。在经济领域，与经验就包含宏观经济预警和微观经济预警两个层面，后者主要指企业预警。
（一）国外研究
国外非常重视企业危机管理和风险管理的研究，从20世纪70年代开始，相继出现了战略风险管理、基于风险价值的资产评估、对待风险的个体差异等研究。国外的研究内容主要是企业危机发生后如何应对以及摆脱危机的策略问题，至于危机的成因、发展过程则缺少机理性分析，宏观经济预警研究和企业危机管理理论的发展推动了企业预警研究。Fitzpatrick首次进行了单个财务比率模型的判定，开创了单量预警方法；Altman创立了多元变量判定模型――Z计分模型。随着信息流量观念的建立，Aziz、Emanuel和Laworm在1988年提出用现金流量信息预测财务困境的模型。对这些方法的介绍和具体应用是国内企业预警研究初期的主要特征。国外的企业预警的这能层次如财务预警，而在企业预警原理和构建统一预警体系方面的研究并不多。
（二）国内研究
国内的经济预警研究起步较晚。从20世纪80年代开始，预警系统的研究与应用经历了一个从宏观经济预警渗透到企业预警、从定性为主到定性与定量相结合、从点预警到状态预警转变的过程。
从宏观经济领域，预警系统应用最为广泛和成功。其中宏观经济预警和宏观金融预警是当前的研究热点，理论体系和方法工具也比较规范和系统。在微观经济领域，随着企业所处环境复杂性和不确定性的增加，危机管理的兴起，企业预警系统得到了人们的重视。我国企业大致可按照企业预警原理与总体经营趋势预警、行业企业预警和职能预警进行归类，对于职能预警，可再次细分为企业财务风险预警、企业营销风险预警、企业组织管理风险预警等多个方面。
统计指标作为测定企业经济活动的指示器，在企业预警分析中有着至关重要的作用。企业预警系统指标处理方法主要有三大类：（1）完成指标的筛选和分类，如时差分析、主成分分析法、判别分析；（2）用于多指标综合和指标权重的确定，如常规多指标综合法、层次分析法（AHP）；（3）完成指标的自学习和预测功能，如模式识别、自回归滑动平均模型、灰色预测和其他的统计学预测方法等。
我国的预警研究要取得进一步的进展，就必须广泛借鉴其它学科，特别是人工智能、模式识别、人工神经网络等智能科学和非线性系统学科的研究成果。
三、研究述评与展望
（一）研究述评
企业财务风险是一种微观经济风险，是企业经营风险的集中体现，财务风险表现为企业财务状况和经营成果的不确定性。企业财务风险的客观性和必然性、主观性和无意性、复杂性和潜在性等是其固有的特性。在风险分析与预警一般方法研究的基础上，针对企业财务风险的辨识、度量与预警，国内外学者提出了多种形式的主观或客观的风险分析与预警方法。由于财务指标不需要经过主观判断加以量化，而且可以从财务报表中分析得到，因此企业财务风险预警研究成果比较丰富，其中“A记分法”和“Z记分法”具有一定的代表性，这两类方法的分析思路通常被企业管理者或研究人员所借鉴。同时，企业财务风险研究人员大多从改善企业财务管理的角度提出了较多的、单方面的风险防范、控制方法模式与策略，如针对筹资风险的防范策略、针对投资风险的防范策略等。
总的来讲，我国已初步形成基本的企业预警理论框架，明确警义、寻找警源、分析警兆和预报警度的逻辑框架已基本能为大家所接受，每一阶段也已形成基本的研究方法。然而，仍然存在以下主要不足：（1）企业财务风险的引致因素涉及企业管理决策及其影响环境的各个方面，是一个十分复杂的系统问题，目前尚缺乏对企业财务风险生成机理的系统分析和研究，进而影响了财务风险预警理论与实践的深层次发展；（2）对企业财务风险辨识、度量、评价、预警等风险分析方法的适用性缺乏系统性的研究。西方企业比较注重风险资料的档案管理工作，所以可以应用复杂的数理统计方法对企业财务风险进行度量、评估和预警，而我国企业缺乏这方面的风险分析基础资料，决定了机械套用西方定量分析技术具有较大的局限性；（3）对企业财务风险预警、防范和控制的理论体系的分析缺乏系统性的研究。大都是对西方企业风险管理工具的简单套用，针对我国企业发展特性的财务风险防范、控制与预警体系的系统分析框架尚未形成；（4）未能将主成分分析、层次分析法、人工神经网络、自回归条件异方差、自回归滑动平均模型、判别分析模型、基于模式识别模型、时差相关分析、灰色预测、马尔科夫链等数理方法和模型深入地应用到对企业财务风险进行预警的领域。
（二）研究展望
人工智能财务风险范文3
关键词：财务危机；预警方法；文献综述
中图分类号：F230 文献识别码：A 文章编号：1001-828X（2015）018-000-01
一、国外财务危机预警文献综述
财务危机预警研究在国外起步很早。1966年，基于Fitzpatrick的研究，芝加哥大学教授Beaver借鉴统计学原理，建立了基于单个财务比率的一元财务危机预警模型。结果发现离样本困境日越近，模型预测判别的正确性越高，困境前一年的预测正确率高达87%。Beaver的研究成果在财务危机预警领域起到了承前启后的作用，并为接下来的多变量预测模型打下了牢固的基础。
1977年，Altman，Haldeman和Narayanan对 Z―Score模型进行了进一步的修正和完善。他们打破行业局限选取样本，同时新增资本总额和公司规模两个判别变量。此后，多元线性分析判别法得到了各国学者的反复实践应用。但是在实践过程中，暴露许多弊端。
1977年，Martin首次应用Logistic回归模型研究财务危机预警。从1969-1974年期间美联储5600家银行中选定58家危机银行进行预测。经研究发现，相比Z模型和Zeta模型，Logistic回归模型的误判率较低，预测的精准度可高达96%。至今，该模型仍被广泛的应用于各项研究中。随着经济技术的飞速发展，已经不能适应经济、财务预警机制所要求的精准性，神经网络技术与财务预警的结合应运而生。
1990年，Odom和Sharda创造性的将神经网络技术应用于财务危机预警中。他选取65家破产企业作为样本，并将其划分为训练组和检验组。结果发现训练组的该模型较其他预警模型准确率大大提高。
Tam和Kiang的研究使该方法在预警领域得到了各国学者的实践应用，研究发现，虽然神经网络方法明显的优于Logistic回归分析法，但是在样本数量的限制下需要进行多次反复的训练仿真。
1998年，Luthern在神经网络模型中首次引入遗传算法，并将该方法与多元Logistic线性回归分析法进行比较，结果显示，基于遗传算法的神经网络模型预测结果更优。
除以上研究外，许多专家学者建立混合模型进行财务预警研究。实证检验表明，混合方法比单个的方法具有较高的预测精度，更是在财务危机预警领域开辟了新的道路。
综述以上研究现状，可以看出在健全的资本市场的助力下，国外的财务危机预警研究颇丰。近年来，更是有灾害理论、期权理论和混沌理论等众多相关理论的引入，大大推动了该领域的发展。
二、国外财务危机预警文献综述
我国在该领域的研究相对起步较晚。20世纪90年代，随着ST机制的引入和企业会计准则的颁布，财务风险预警越来越多的被专家学者所关注。
2005年，杨淑娥和黄礼选取180家上市公司，利用BP人工神经网络工具构建财务危机预警模型。经过反复的训练和学习，取得了90%以上的判正率。BP神经网络在许多不可控因素下仍可以得到较低的误判率，使预测结果令人满意。
同年，许多专家学者都开始对神经网络进行研究。李秉祥则提出了一种非线性组合预测风险的方法。该方法最大的特色就是以模糊神经网络为基础，并将该方法的预测结果与其他模型的结果进行对比，结果表明，该方法有较强的适应能力和较高的预测精度。
2011年，庞清乐和刘新允采取分层抽样的方法选取60个企业作为研究对象，首次将蚁群算法和神经网络结合。该方法利用蚁群算法的潜在优点极大的克服了传统神经网络的局限性。实验的结果表明，改进后的神经网络模型的误差平方和仅为0.057。
2014年，黄晓波和高晓莹以制造业企业为研究对象并引入非财务指标构建神经网络模型。在研究中他们利用因子分析对指标体系进行优化。结果显示，模型有良好的预测性，在所有指标中，盈利能力的影响因子系数最大。
我国在该领域的研究虽然相对较晚，但是在国外研究的基础之上，我国也开展一系列的科研工作，许多研究已经同国外同步。并且，在此基础上，有专家学者提出了财务危机预警要有中国元素，根据我国的基本国情和不同行业的特征制定的危机预警模型才更加具有适应性，足以表明我国在该领域的研究已日渐成熟。
三、国内外文献评述
纵观国内外对危机预警模型的研究，虽然起步时间不同，但是无论在理论上还是实践中都有了较大的发展：从单变量模型到多变量模型，从逻辑回归模型到人工智能模型，从单一判别方法到混合判别方法，从单一的财务管理理论到多学科的交汇融合，从静态预警到动态时间预警，这些都表明了该领域的迅速发展，也表明了企业管理当局、投资者、债权人等利益相关者对企业财务风险预警的需求。
就目前财务危机预警的研究来看，仍然存在许多有待完善的地方。本文在客观分析其不足之处的同时，也对财务危机预警的发展趋势做以下展望：
首先，运用模型中对变量指标的筛选缺乏规范化处理。许多指标的采用受前人研究、研究者自身经验的限制等因素的影响，缺乏客观性和全面性。绝大多数财务危机预警模型所选取的变量都是财务指标，这些数据资料并不能全面准确的反映企业的财务状况，相反对非财务指标等非量化指标考虑较少。其次，传统意义上我们认为，只有ST的企业才是有财务危机的，并只把ST企业作为研究对象，这样的方法过于拘泥传统。所以在研究中，应该打破ST的限制，以企业的实际财务状况为判断依据。
综上所述，财务危机预警在迅速发展的同时仍存在许多不足之处。就方法而言，虽然预警方法不断进步，国内模型研究的主流仍然是多元线性判别模型和Logistic 回归模型，神经网络等人工智能方法应用仍较少。
参考文献：
[1]吴世农，黄世忠.企业破产的财务分析指标及其预测模型[J].中国经济问题，1986（5）：8-15.
人工智能财务风险范文4
本文在阐述新创科技型小微企业财务风险内涵的基础上，从筹资过程、投资过程、经营过程和流动性等四个方面论述小微企业财务风险的主要表现。以及针对不同的财务风险提出相应的控制和防范建议。
关键词：
创新创业；科技型；小微企业；财务风险;控制及防范
近年来，政府、高校和社会大力倡导“大众创业，万众创新”做法，有助于提高政府的社会服务意识和办事效率，促进高校的教育改革，加快企业的转型升级和提质增效。在这样的背景下，将会出现大量的小微企业及中小企业。许多人在政府的提倡下加入了创新创业大军，并没有做好财务风险控制及防范的思想准备。小微企业财务风险主要表现在筹资过程、投资过程、经营过程及流动性方面上，很多小微企业主并不清楚全部的财务风险，这种情况不仅不利于社会创新创业新局面的打开，还有可能使许多参与创新创业的小微企业主遭受到不必要的损失。因而，小微企业主很有必要了解小微企业的财务风险各种表现，以及掌握小微企业财务风险的控制及防范。
1新创科技型小微企业财务风险内涵
以前学者较多关注中小企业的发展问题，近年来，提出更为准确的、更需要关注的小微企业概念。小微企业是小型企业、微型企业、家庭作坊式企业、个体工商户的统称。世界各国对小微企业划分标准并不统一，如美国将雇佣员工在10-99人之间的企业确定为小型企业;雇佣员工在1-9人的企业为微型企业。欧盟根据企业员工和年销售额或资产总额来确定小微企业的划分标准。其规定的小型企业是员工人数在10-50人之间，且年销售额或资产总额在200万-1000万欧元之间的企业;微型企业是员工人数在10人以下，且年销售额或资产总额在200万欧元以下的企业。世界银行将雇员人数在1-10人之间，总资产100万美元以下，年销售额100万美元以下的企业规定为微型企业;雇员人数在11-50人之间，总资产和年销售额均在100万美元以下的企业界定为小型企业等等。我国对小微企业划分已经非常详细，如根据不同行业有不同标准，有利于税收优惠等操作层面的执行。近年来，国家给予小微企业大力的扶持，有助于中国经济的发展及提高就业率。如免征小型企业22项行政事业性收费，2015年到2016年共2年合计减免小微企业税收超过2000亿元。但是，基层各部门在执行小微企业优惠政策时，标准并不统一，造成有些小微企业主没有享受到优惠的好处。因而建议：对小微企业的划分更为多样化些及更为人性化些，如按行业，总资产由小到大排名，排名靠前的一定比例的企业定义为小微企业；高校大学生刚创业，在种子期及初创期的企业定义为小微企业；税务部门执行时能自动给予税收优惠等等。在小微企业中，有一类是新创科技型企业，是由受过高等教育的科技人员创办的，从事高新技术产品的研发、生产、销售以及咨询服务的，一般是在三年以内的处于种子期、初创期的小微企业。这些企业更值得关注，有利于国家社会经济可持续发展，有利于国家创新创业体系的建立［1］。如大学生受过高等教育，利用自己所学知识和技能，包括互联网技术、自动化技术、人工智能技术等等，往往创建科技型小微企业。
2新创科技型小微企业财务风险主要表现
2.1新创科技型小微企业在筹资过程的财务风险
新创科技型小微企业在筹资过程中，存在筹资难、筹资渠道少、筹资风险大等问题。由于是新成立的小微企业，处在种子期、初创期阶段，银行不了解企业主及企业的信用状况，企业与金融企业之间存在信息不对称问题。为了了解和掌握新创的小微企业的信用情况，会付出较大的成本。因而，银行等金融机构不愿意贷款给小微企业。新创科技型小微企业的创新能力不强，科技转化为生产力需要经历漫长过程，发明专利的实用性有待检验，小微企业主的企业管理能力缺乏，这些都是筹资过程中的不利因素。新创的科技型小微企业缺乏用于抵押贷款的资产，如互联网、移动互联网行业的小微企业主要是虚拟的服务器及域名，几乎没有可用于抵押的资产，很难获得抵押贷款。如大学生在创新创业过程中，利用自己的几台电脑，利用宿舍作为工作室，租用域名和服务器空间就可以很快开发出网站和软件。但能用于抵押贷款的资产几乎没有，也就很难从银行获得抵押贷款。
2.2新创科技型小微企业在投资过程的财务风险
新创科技型小微企业在投资过程的财务风险主要表现:由于小微企业筹资较难，可用于投资的资金有限。小微企业人员少，往往缺乏投资决策的人才。小微企业主缺乏投资经验，易造成投资决策失误。如大学生创建的科技型小微企业，因大学生缺乏职业经历和人生阅历，易做出不符合社会经济需求的投资决定而造成损失。小微企业结构简单，缺乏投资决策部门。刚创建的科技型小微企业没有过去投资成功与失败的经验，无法为现在投资决策提供参照。
2.3新创科技型小微企业在经营过程的财务风险
新创科技型小微企业在经营过程的财务风险主要表现：由于新创的小微企业资产少、人员少，缺乏相应的企业管理制度，小微企业主缺乏领导能力、管理能力和协调能力，容易做出错误的经营决策而对公司造成无法挽回的损失；有的新创的科技型小微企业具有一定创新性，进入了全新的经营领域，在这全新领域里，国家的相关法律政策还未制定出来，处在法律制度的灰色地带，这就有可能使小微企业面临经营的政策风险。如共享单车，消费者用完单车乱停放，影响城市的市容市貌，地方政府很有可能出台限制政策，这对企业发展造成一定的影响。刚创建的科技型小微企业对于项目启动存在诸多不确定因素，而且万事开头难，对于小微企业主来说是个巨大考验；有的小微企业只顾眼前问题的解决，没有做长远的规划，不注重培养核心竞争力，使企业面临可持续发展的经营风险问题。
2.4新创科技型小微企业在流动性方面的财务风险
新创科技型小微企业在流动性方面的财务风险主要表现：一是新创的小微企业筹资难，引起财务流动性风险。筹资难是小微企业一个共性，如果不经常与银行等金融机构以及民间的非金融借贷机构联系，在关键时刻需要流动性资金时，就很难及时获得融资。二是刚创建的小微企业的销售没有达到预期的效果，没有足够的收入回流的资金补充，引起财务流动性风险。三是小微企业主管理不善，资金浪费严重，使用效率低。如没有有效的应收账款管理制度，导致应收账款没有及时收回，引起财务流动性风险。四是流动比率不合理，流动负债严重超过流动资产，以流动负债支持长期资产，或长期资产支持短期负债，短期负债一旦无法在一年内偿还就会引起企业财务危机［2］。
3新创科技型小微企业财务风险控制及防范
3.1新创科技型小微企业在筹资过程财务风险的控制及防范
新创科技型小微企业在股权性筹资和债权性筹资都存在一定的风险［3］。新创科技型小微企业在进行股权性筹资时，要注意筹资的额度和出让股权的比例关系。要有合理的筹资计划。如在种子期的小微企业出让给天使投资者的股份不应该超过30%。除了从天使投资和风险投资获得资金外，也能够获得较多的增值服务。小微企业要尽可能与银行等正规金融机构打交道，不要因为银行审核严格，很难从银行获得贷款而放弃与银行的来往。只有积极主动与银行联系，才能消除信息不对称带来的消极影响，才能长期稳定地获得银行的贷款，以备不时之需使用。从非银行机构获得贷款时，如民间借贷，需要注意贷款成本。民间借贷的成本一般比较高，如贷款的利率远高于企业的利润率，则不宜获得这笔贷款，否则对企业未来生存发展带来致命打击。还要注意到正规的民间借贷机构贷款，如大型互联网金融公司，如百度、腾讯、阿里等，具有信息公开、快速便捷、成本可控等优势。
3.2新创科技型小微企业在投资过程财务风险的控制及防范
新创科技型小微企业在投资过程一般不宜进行多元化投资决策，应该利用有限的资金投资到企业的主营业务上。如大学生在创办小微企业时，会经常改变投资的初衷，频繁改变原先的投资决定，这样不利于小微企业的发展。要控制投资规模及速度，与小微企业的发展速度相匹配。小微企业主要树立投资风险意识，做到投资前做计划，投资中的控制与投资后的总结。充分认识投资过程中的各种潜在风险因素，建立科学投资决策机制，准确运用投资决策方法［4］。小微企业主也可以咨询第三方投资管理咨询公司，第三方投资管理咨询公司往往拥有丰富的投资决策经验和相应的投资管理人才。他们的集体投资建议优于小微企业主个人的决定。如大学生在创办小微企业时，就缺乏投资的经验，需要高校、政府、和社会等第三方机构的帮助。
3.3新创科技型小微企业在经营过程财务风险的控制及防范
新创科技型小微企业要逐渐加强企业的制度建设，建立企业的内部控制制度。对于关键岗位做到一人一岗，相互制约。明确权责关系，实施问责制度。小微企业主要提高经营风险控制和防范意识，加强财务知识培训，认识财务经营风险的危害性，全面掌握财务经营风险的管理［5］。提高领导经营决策的科学性、制度性、合理性，完善财务经营风险管理控制体系。新创科技型小微企业要关注国家政策变化所带来的经营风险，国家有可能取消优惠政策或出台限制性政策，这都会对小微企业造成重大冲击。要加强对国家政策走向的研究和预测，在政策未变动前，加快小微企业发展，做大做强，增强企业的抗风险能力。
3.4新创科技型小微企业在流动性方面财务风险的控制及防范
对于加强流动性方面财务风险的控制及防范,首先要合理处理筹资和投资的关系，要适当控制投资的频率和资金大小，投资决策一定要考虑筹资的计划。适当确定筹资的资金量，科学安排筹资的时间，在优化企业的资本结构基础上，合理的筹资来化解流动性方面的财务风险。其次，要制定合理的销售计划并确保完成销售计划。如果制定过大的销售计划，一旦无法完成，可能会造成经营性流入资金大幅度减少而引起流动性危机。如果制定过小的销售计划，不利于企业的发展。为了完成销售计划，要重视营销策划，制定详细周到的营销计划是有必要的。最后，要加强应收账款的管理，要制定适当的应收账款信用政策。在争取销售收入最大化的同时，将应收账款坏账率控制在合理的范围之内。利用先进的信息管理系统控制应收账款坏账率，避免人为因素的干扰。
参考文献：
［1］樊增强.科技型中小企业发展面临的问题及对策［J］.生产力研究,2000,(06):127-128+130.
［2］施琴,孟枫平.企业流动性风险的产生因素分析［J］.中国集体经济,2008,(21):109.
［3］毛素萍.小微企业筹资风险类型及控制策略［J］.江苏经贸职业技术学院学报,2015,(06):22-24+51.
［4］热纳提•帕尔哈提,王丽新.我国小微企业投资风险管理问题探析［J］.中国商论,2016,(34):71-72.
人工智能财务风险范文5
摘要 关于政府融资平台贷款的信用风险是目前经济学界研究和探讨的热门话题。本文简要综述了政府融资平台的文献研究，分析其风险特征，并在此基础上尝试建立合适的信用风险预警评价指标体系；在风险评价方法的选择上，从人工智能方法的BP神经网络模型出发，脱离传统的以历史数据进行回归分析的Logistic评价模型，从财务视角对样本企业的信用风险预警指标进行量化估计，通过实证比较分析，得出研究结论，并提出相应的政策建议。
关键词 政府融资 信用风险 实证研究
一、 引言
（一） 历史沿革及背景
近年来，各地方政府为了促进当地经济发展、推进城市化进程，通过设立大量投融资平台的方式从银行借贷融资，用于城市基础设施等方面的建设。此类政府行为的历史背景是：早在1994年实行分税制改革以来，中央财政所占比重逐步提高，但是当初的改革只分了财权，未分事权，于是在实施过程中出现了财权层层上收、重心上移，事权层层下放、重心下移的局面，导致地方政府财力紧张，地方政府隐性债务不断增长。1994年出台的《预算法》第28条规定：地方各级预算按照量入为出、收支平衡的原则编制，不列赤字；除法律和国务院另有规定外，地方政府不得发行地方政府债。在这种背景下，近年来，为了促进地方经济发展、推进城市化进程，一些地方政府进行了投融资体制创新，相继建立了一些隶属于地方政府的投融资平台，将原属于财政拨款的项目拿到银行去贷款融资，以解决资金不足的问题。
所谓地方政府投融资平台，广义上讲实际包括地方政府组建的不同类型的城市建设投资公司、城建开发公司、城建资产经营公司等不同类型的公司，这些公司通过划拨土地、不动产、股权、规费、债券、税费返还等资产，组建一个资产和现金流大致可以达到融资标准的公司，必要时再辅之以财政补贴等作为还款承诺，融入的资金重点投入市政建设、公用事业等项目之中。2008年11月，中央政府为应对全球金融危机，开始实施积极财政政策和适度宽松的货币政策，地方政府投融资平台的作用迅速凸显；2009年3月24日，中国人民银行与中国银行业监督管理委员会联合《关于进一步加强信贷结构调整促进国民经济平稳较快发展的指导意见》提出：“支持有条件的地方政府组建投融资平台，发行企业债、中期票据等融资工具，拓宽中央政府投资项目的配套资金融资渠道”，被地方政府和商业银行视为是对地方政府投融资平台的支持和鼓励。也正是从这个时期开始，各地大量组建地方政府投融资平台，平台“遍地开花”，势如破竹。据监管部门的统计数据，2009年末，全国共有地方政府投融资平台3800家左右，管理总资产8万亿元，总负债规模5.26万亿元。随着时间的推移，这些平台类贷款的信用风险逐步显现，引起经济、学术界的高度关注。
（二） 平台风险研究文献综述
目前，关于政府融资平台的风险研究主要包括宏观经济环境、区域经济市场、平台经营风险以及对地方政府的财政风险的分析。巴曙松（2009）认为，近两年地方政府投融资平台已经成为国内增长最为活跃的负债主体，但是，过度的负债也造成了多元化风险。他分别从微观风险管理角度、财政运行的角度、国家宏观政策的角度，分析了融资平台的融资风险行为，指出目前地方投融资平台的财务状况、融资状况很不透明，隐含潜在信用风险；同时，大规模的地方投融资平台主导的信贷高速增长，不仅增加了财政的隐形负债，而且直接制约了宏观货币政策的调整空间。必须立即着手对融资平台进行规范化、市场化、透明化改革，其中银行应当推进更为审慎的对地方政府融资的风险管理举措。但是他没有具体分析平台贷款的微观风险的特征。贾康（2010）认为，我国尚未构建比较清晰的政策性融资体系和相关机制，所以地方融资存在着强烈的现实需要，但是必须承认确实有明显的矛盾和紊乱现象，需要通过机制创新和制度建设，把地方上紊乱的融资逐步引导到阳光融资的状态中去。他提出一个比较新颖的观点，地方政府举债可以引入市场评级的机制，由权威性的评级机构对地方政府的信用客观公正地打分，使地方政府融资平台接受市场环境的要素约束，接受更有力的公众监督。但是，文中没有涉及如何构建对地方政府的信用评级指标体系和评价模型。郑蓉等（2010）认为，风险最为严重的是地方融资平台的创新和演变，如2008 年在昆明发明的“银信政”金融创新产品，是由银行发行理财产品，通过信托公司投资于地方政府融资平台的股权或债权，同时政府向银行和信托公司出具回购的承诺函。由于该产品具有政府担保的“无风险套利”背景，产品在全国各地得到迅速复制和深入发展。但是从未来现金流入角度看，许多地方政府早已负债累累，一旦大批负债陆续到期，政府无力偿还债务，金融产品风险与政府的信用风险便同时显现，最终损害的是公众投资人的利益。此外，陈慧莉（2010）提出要建立有效的政绩考核与评价机制，关注政府对资源的使用效率；张晔明（2010）提出要防范土地财政风险和房地产泡沫的风险。龚璞（2010）则从完善制度角度出发，提出要全面清理各类融资平台，建立对地方政府融资的长期审计制度和债务预警制度，改变目前中央和地方的财政收入分配格局，甚至可以修改《预算法》，允许地方政府有举债权。
（三） 平台信用风险基本特征
政府融资平台的金融信用风险，诱因是多方面的。主要包括外部环境的政策风险、法律风险、地方政府信用等诸多非财务因素风险，以及平台公司内部存在的资本金来源不实、负债率过高、项目现金流不足、公司治理结构不健全等财务因素风险。其风险特征表现在：
1. 外部环境风险。从广义上讲，主要指国内外的宏观经济运行状况、国家的宏观调控政策、行业政策、货币政策以及金融市场动向产生的风险。狭义上讲，环境风险主要指区域经济的发展水平、区域资本市场的发育程度以及区域法律、法规的完善程度。如：区域经济发展水平会直接影响到地方政府收入水平，区域资本市场的发育程度会影响到企业融资环境，直接影响企业的融资成本，另外，如果一个地区的法律、法规较为完善，则会大大降低企业逃避债务的机会主义，提高企业偿还债务的意愿。
2. 地方政府信用风险。对地方政府的财政实力、政府信用风险进行分析，主要考虑地方政府投融资平台同地方政府的紧密关系，地方政府的财政状况直接影响到地方政府对投融资平台的支持力度，以及到期偿还资金的来源。为此，必须要考虑地方政府财政状况，包括地方政府财政收入和支出结构、财政显性和隐性债务水平等。
3. 平台类公司的财务风险。作为债务负担的现实载体，在中国政治、经济体制不发生重大变革的前提下，地方政府投融资平台应该是到期债务偿还的主体，为此，必须对其财务状况进行细致准确的分析，确定其对债务的保障能力，这是信用风险分析的基础内容。大多数的平台公司存在以下财务特征：
（1） 资本金来源不实，自身负债率过高。普遍存在着资本金不足、不实以及抽逃资本金的现象，一些地方政府甚至采取各种变通手段向平台注入不实资产进行“滥竽充数”。同时，平台公司的总体负债水平相当高，“小马拉大车”现象比较普遍，有的企业负债率甚至超过80%。
（2） 项目现金流不足，综合效益不高。平台公司大多对所投项目缺乏严格、科学的项目论证，缺乏举债的总体规划，容易造成资金使用上的浪费，导致公司的现金流不足，不足以覆盖银行债务。如城市广场、道路、污水处理、环境整治等市政基础设施项目，投资金额大、建设周期长，综合收益低，有的属于公益性质，靠地方财政兜底，而财政收入具有不稳定性。并且，由于平台公司的债务最终偿还主体及投资失误的责任主体界定不明晰，一旦发生还款困难，最终责任人是谁、地方政府是否会出面偿债，对银行和投资者而言其实并不十分确定。
（3） 公司治理结构不健全。一些地方政府投融资平台公司的法人治理结构很不健全，缺乏严格的管理规范。平台的高管人员大多是由原政府官员担任，缺乏必要的企业经营管理经验及风险防范常识，因此在投融资的过程中容易发生重大的决策失误。
（4） 融资状况不透明，隐性负债高。不仅商业银行难以全面掌握，甚至有的地方政府自身也并不完全清楚下属投融资平台的总体负债和担保状况。值得注意的是，地方政府投融资平台所潜伏的风险还表现为很强的系统性风险，一旦宏观经济走势发生重大变化，尤其是土地价格如果下跌，那么地方政府投融资平台、地方财政以及商业银行所蕴藏的风险就会统统暴露出来。
（5） 财务透明度及可信度不高，银行内部信用评级难，降低了银行对贷款主体风险的识别能力。由于平台类公司的财务报表存在特殊性，财务数据普遍不准不实。例如，财政补贴是公司收入的重要组成部分，主营业务收入占总收入的比例较低，经营性净现金流量对债务保障能力有限，许多公司债务的偿还方式依赖于政府的财政补贴或专项基金等。在商业银行内部信用评级的方法选择上，现有信用评级模型一般以Logistic模型为主，是对历史数据的回归分析和量化评估，对一般商贸类、生产经营性企业适用性更强。而在政府融资平台中，基于以上特殊性，评级结果的相应指标往往存在更多的正负异常值，在平台公司财务指标的横向比较中，指标间的表现更加离散。
为此，可以确定的一个基本的判断是：现有的信用评级方法不适合此类“特殊行业”的评级，同时缺乏恰当的信用评级评价指标体系。本文研究，就是以新近大量涌现的政府投融资平台类贷款为特定研究对象，建立合适的信用风险预警评价指标体系，从人工智能方法的BP神经网络模型出发，利用神经网络模型具有良好的自学习、自适应、并行处理和非线形转换的能力，脱离传统的以历史数据为依据的评价模型，从财务视角对样本企业的信用风险预警指标进行量化估计，并与Logistic模型的信用风险预警结果比较分析，得出一定结论，最终给出合理的政策建议。
二、 基于BP神经网络模型的风险预警指标体系研究
（一） 风险预警评价结构框架
信用风险是金融机构面临的主要风险。商业银行信用风险评价是指商业银行在信用风险量化估计的基础上，研究其性质，分析其影响，寻求风险对策的行为,因此,量化估计是风险评价的前提。按照《巴塞尔协议》规定，商业银行可以根据评价主体的不同，将风险评价分为内部评价和外部评价，而内部信用评价的核心就是建立信用评级模型。一般可以将评级模型分为三大类：主观判断模型、统计模型和因果模型。主观判断模型主要依赖信贷专家的主观判断；统计模型根据是否需要估计参数分为参数和非参数两类统计模型，前者包括单变量和多变量分析，而后者如人工智能则是利用先进的计算机技术模仿人类的决策行为；因果模型是根据公司的资本结构指出公司的违约原因。主观判断模型主要使用典型调查表、专家判断、专家系统以及模糊逻辑系统等方法；参数统计模型常常使用回归分析、判别分析、Logistic模型、面板数据模型等方法；非参数统计模型主要使用决策树、神经网络、KNN等方法。
实践中，银行内部信用评级模块的构造，最常见的是主观判断模型和其他两种模型的类型结合使用。实证调查表明：统计技术中，以参数模型的多变量判别分析和Logistic模型应用比较广泛，而非参数模型如人工智能方法相对较新、较少。本文则是采用BP神经网络的人工智能方法，将平台类贷款的财务指标作为主要讨论对象，进行量化分析评估，系统的学习、测试样本来自某股份制银行的实证。
基本信用评级模型划分的总体结构框架如图1。
图1 基本信用评级模型划分的总体结构框架
（二） 构建平台风险预警评价指标体系
结合前文所述的信用风险基本特征，构建平台类贷款的风险预警评价指标体系，一级指标主要包括：宏观经济指标、中观经济指标、地方政府财政指标、平台公司财务指标等。
1. 宏观经济指标。宏观经济环境是任何形式的经济体赖以生存的基础，关注宏观经济运行的基本状况，把握宏观经济对行业、企业的周期影响，有助于准确判断企业的未来发展态势。宏观经济环境指标包括：整体宏观经济政策指标，如国内经济生产总值、国民经济收入增加值、固定资产投资的规模和增速、CPI、PPI等，对整体资本市场的运行状态和发育程度的分析指标，如直接融资比重、汇率、利率变动等。
2. 中观经济环境指标。主要指区域经济环境指标，包括：当地资本市场的成熟度，资本市场发达地区，企业拥有更多的融资渠道，财务弹性较好，能够有效地降低自身的信用风险。预警指标如当地上市公司数量占全国比重、股票当年筹资额占全国比重、地区内企业直接融资规模、金融中介服务机构数量、地区金融从业人员数量占比等。还有法制建设水平，法治环境是构成地区信用环境的重要因素之一，完善的法治环境能够有效保护金融主体产权，遏制恶意信用欺诈和逃废债务行为的发生。预警指标如产权保护力度（知识产权及商标数量）、司法执行力度（如诉讼未执行比例）等。
值得注意的是，由于平台项目贷款的非流动性特征，地方政府投融资平台的资产流动性和收入水平受区域经济环境的影响较为显著。区域经济环境能直接影响到地方政府的财政收入水平，间接影响到投融资平台公司的收入水平。
3. 地方政府财政指标。主要包括：地方财政收入（总财政收入、一般预算内财政收入、地方可支配财政收入等）、地方财政支出（总支出、经常性支出的变动幅度、工资和养老金支出、负债利息支出等）、地方财政收支差额、地方政府的债务（地方政府直接显性负债、地方政府或有隐性负债等）。地方财政收入来源的稳定性，可以判断地方财政基本的状况和未来发展水平，只有稳定的地方财政和稳定的增长趋势，才能保证地方政府未来对地方基础设施投入的稳定增长。地方财政支出水平和结构以及地方财政收支差额，能够反映出地方政府的财政资金的运作能力和行政水平，同时也可以判断地方财政对基础设施的支持方式和可能的最大力度。对地方财政债务的分析，能够确定债务到期偿付的集中度，若债项到期日是地方政府债务偿还的集中期，则可以基本判断地方政府对投融资平台的支持将会大大降低，反之，预期会较好。
4. 平台公司财务指标。主要分为两类：定性指标和定量指标。定性分析指标如：公司经营模式、公司竞争地位、领导者素质、企业发展前景等，可以通过专家输入系统进行分析。定量指标一般以地方政府投融资平台近三年的财务数据为基础，确定相应财务分析指标，进行定量分析。在笔者前期对政府融资平台贷款研究中，曾运用主成分分析法，通过SPSS统计分析软件对样本企业的财务数据进行主成分分析，通过计算相关矩阵的特征值、特征值贡献率和累积贡献率，得出平台公司的经营规模、营运发展能力、政府担保能力、增长盈利能力、流动性能力等五项因素，构成该类公司风险综合评价过程中最主要的方面，其因素权重比例分别达到32.8%、21%、17%、8.7%、7.2%，前5个主成分包含原始数据的信息总量达到85%以上，基本代表了原来若干评价指标。本文在构建财务预警指标体系时，借鉴了前文研究结果，同时只考虑企业本身财务预警及其相关性，剔除政府担保能力因素，其他四项构成评价的二、三级指标类型如下：
表1 预警评价指标体系
（三） 平台风险预警评价方法
1. Logistic模型
早在1977年，Martin从1970―1977年间大约5700家美联储成员银行中界定出58家困境银行，选取总资产净利润率等8个指标，通过建立Logistic模型来预测公司的破产及违约概率。他还将Logistic模型与ZScore模型、ZETA模型预测能力进行了比较，结果发现Logistic模型要优于ZScore模型和ZETA模型。
目前商业银行内部信用评级方法中，一般运用Logistic模型，采用罗吉特函数，对历史数据进行回归，在得出各系数的估计值后，计算出客户违约概率。由于Logistic模型中因变量是二分类的，而不是连续的，其误差的分布不再是正态分布而是二项分布，因此Logistic回归系数的估计不再用最小二乘法，而用极大似然法。评级主要思路：一是以 “违约”概念为基础，二是以客户违约概率即违约可能性衡量客户信用风险水平，三是违约概率由信用评级模型测算得出，四是将违约概率划分为若干个区间，每个区间代表一个信用等级，客户信用等级越高，则表明其信用风险水平越低；客户信用等级越低，则表明其信用风险水平越高。
Logistic函数形式如下：
p=11+e-s
s=c0+∑mi-kcixi（1）
其中，xi为信用风险评定中的影响变量，ci相应变量的技术系数。
对Logistic模型来说，p是s的连续增函数，s∈(-∞,∞)。并且
lims∞p=lims∞11+e-s=1
lims∞p=lims-∞11+e-s=0
对于某一公司来说，如果其Logistic回归值pi接近于0，则被判定为一类经营“差”的企业，更有可能陷入财务困境；如果其Logistic回归值pi接近于1，则被判定为一类经营“好”的企业，陷入财务困境的可能性小。
该评级方法的缺陷：一是数据有限，未能覆盖一个完整的经济周期；二是模型假设解释变量中存在着线性关系，而现实经济现象是非线性的，削弱了预测结果的准确程度，使得模型不能精确地描述经济现实；三是罗吉特分布公式中参数β常用极大似然估计，参数准确性受数据数量和质量的影响,需要持续改进。在政府融资平台类贷款中，上述缺点尤为明显。随着计算技术的发展，许多非参数、非线性模型得以开发，如神经网络在信用违约预测方面方兴未艾。
2.BP神经网络模型。
20世纪40年代，心理学家W.S.Mc Culloch和数理逻辑学家W.A.Pitts建立了神经网络数学模型，他们提出了神经元的形式化数学描述和网络结构方法，证明了单个神经元能执行逻辑功能，从而开创了人工神经网络研究的时代。六十年代，提出了更完善的神经网络模型，其中包括感知器和自适应线性元件等。之后,陆续有研究者提出了适应谐振理论、自组织映射、认知机网络等，以上研究为神经网络的发展奠定了基础。1982年，美国加州工学院物理学家J.J.Hopfield提出了Hopfield神经网络模型，引入了“计算能量”概念，给出了网络稳定性判断。1984年，他又提出了连续时间Hopfield神经网络模型，为神经计算机的研究做了开拓性的工作，开创了神经网络用于联想记忆和优化计算的新途径。1985年，有学者提出了波耳兹曼模型，在学习中采用统计热力学模拟退火技术，保证整个系统趋于全局稳定点。1986年进行认知微观结构的研究，提出了并行分布处理的理论。人工神经网络的研究受到西方国家一致的重视，美国国会甚至通过决议，将1990年1月5日开始的十年定为“脑的十年”，国际研究组织号召它的成员国将“脑的十年”变为全球行为。
人工神经网络（Artificial Neural Network，ANN）具有良好的自学习、自适应、并行处理和非线形转换的能力，是一种很好的评价方法。从模式识别角度看，银行风险预警评价是一个模式分类过程；从警兆指标、警情指标到警度之间的映射关系看，预警评价是一个函数逼近过程；从之间的噪声与报警准确处置方式来看，预警评价又是一个最优化过程。而模式识别、函数逼近、最优化处理正是ANN最擅长的应用领域，因此，ANN应用于银行风险预警评价是非常适合的。
（1） 模型结构。本文根据所评价的问题建立的BP 神经网络模型如图2。模型采用三层BP 神经网络，该网络包括三层：输入层、隐藏层和输出层，采用误差逆传播算法进行网络学习和运行。
图2 BP神经网络三层前馈模型
以Wk,j记做输入层与隐藏层神经元之间的权值，Wj,i记做隐藏层与输出层神经元之间的权值，输入层、隐藏层和输出层的激活函数分别是Ik、Hj和Oi。网络接受辅导学习算法的训练，即反向算法，这个算法实施极小化期望与实际输出误差，优化网络的权值。每个输出神经元i的误差是Erri=Ti-Oi，其中Ti是期望输出。改变权值Wj,i的权值更新公式如下：
Wj,iWj,i+ηHjErrig′(ini) （2）
其中，η是控制改变量系数（学习比率），g′是激活函数的一阶导数，而ini与等于ΣjWj,iHj更新权值Wj,k的公式类似：
Wk,jWk,j+ηIkΔj （3）
其中，输入数值Ik是第k个输入，而Δj=g′(inj)ΣiWj,iErrig′(ini)
算法迭代直到满足停止准则为止。
（2） 前层的归一化。由于神经网络的输入要求在［0，1］区间，因此，在网络学习训练前首先要将各评价指标的原始数据进行归一化，通过归一化确定样本中每一评价指标相对应的网络输入值。
指标的归一化处理。风险预警指标体系中各项指标的衡量标准不一, 既有定量的又有定性的, 其性质和量纲也不同, 这就造成各指标之间的不可共度性, 因此, 首先要对指标值进行归一化处理，将它们转化为闭区间［ 0, 1］ 上的无量纲性指标值。可以将指标类型划分为极大值指标(越大越好) 和极小值指标(越小越好) 两种类型。
对于极大值指标, 归一化采用的隶属函数为：
x′ij=xij-mjMJ-mj （4）
对于极小值指标, 归一化采用的隶属函数为：
x′ij=Mj-xijMJ-mj （5）
式中xij为原始数据,MJ=maxi{xij}，mj=mini{xij}，x′ij∈［0,1］为归一化后的无量纲性指标。
（3） BPNN 网络训练学习。原始数据经过预处理后送归一化模块，归一化模块将根据输入信号按规则进行归一化，得到13个归一化值，然后，这些归一化值被送入模块。由以上分析可知，模块输入层的模糊神经元数为13，即输入信号x1、x2、x3…x13对应于13 个归一化值；输出神经元数为1，即输出量对应于银行风险预警评价；隐藏层的神经元数经学习过程调节后定为5个。
神经网络在国民经济和国防科技现代化建设中具有广阔的应用领域和应用前景。近几年人工神经网络模型开始应用于商业银行信用风险评价，无论从思想上，还是从技术上都是对传统评价方法的一种拓宽和突破，它解决了传统评估方法难以处理的高度非线性关系、缺少自适应能力、信息获取效率低等困难，为模型实用化奠定了基础。神经网络模型在银行信用风险评价的优点主要体现在：一是很容易建立输入和输出变量间非常复杂的非线性关系；二是不要求假设变量的概率分布；三是能够快速适应新信息、新环境；四是对具体问题不存在决定最优网络技术的正规程序，即连接输入和输出变量结点的层数。
由于政府融资平台信用风险识别比较复杂，各个因素之间相互影响，财务数据变异性大，呈现出复杂的非线性关系，人工神经网络为处理这类非线性问题提供了强有力的工具。
三、 实证研究
（一） 实验数据
本文利用某股份制银行南京分行的贷款数据资料进行贷款风险预警评价模型的实证研究，建模的贷款数据从银行的信贷数据库中随机抽取，共抽取78个样本资料，对平台类企业09年末经审计的财务报表数据采取逐步筛选、反复迭代的方法，其中48个样本财务数据资料齐全，具备一定的代表性，因此，以此作为分析对象。实验数据如附表一。在对实验数据进行量纲化、标准化处理时，考虑到资产负债率指标为逆向指标，取其倒数。
（二） 实验指标选择
在风险预警指标的选择上，考虑到样本数据以江苏地区，特别是南京地区的平台贷款为主，宏观、中观以及地方财政等外部环境特征基本一致，而此次实证研究目的主要是考察平台类财务指标的变化对不同模型分类的适应性，故根据银行信贷风险预警评价指标体系设计的原则，本文构建了包含4个准则层、13 项具体指标的指标体系，如图3。
图3 风险预警评价指标体系
（三） 实验方法
在BP神经网络的学习训练阶段，样本的期望值是已知的，它根据某股份制银行信贷系统中的已有的内部信用评级给定。48个样本数据中，企业的内部信用评级状况如下：
表2 内部信用评级分布
本文旨在揭示神经网络模型在政府融资平台类贷款风险预警中具有强大的模式识别、分类与优化处理作用，并非对企业的信用评级作出评判，因此，实验设计只将样本数量按照信用等级的不同区分为两类：所有的A级及以下企业分为一类，信用等级定义为“一般”，AA级，AA+及AAA级分为一类，信用等级定义为“好”。
实验采用4折交叉验证，即将48个样本平均分为4份，每份12个样本， 每次用其中三份作为训练样本，用另外一份进行验证。每份的样本分布见下表所示：
（四） 验证结果
本次实验是运用Matlab中BP神经网络工具模型和Weka中Logistic模型分别对样本进行计算和验证。其中：BP神经网络结构和算法必须谨慎选择参数，如每层内神经元个数和学习速率。本次实验经过多次迭代筛选，最终确定的参数设置如表5：
表5 BP神经网络函数及参数设置
平均正确率为0.70833。
综上，在政府融资平台信用风险预警分类的识别上，BP 神经网络模型比Logistic模型的准确率提高了8.3%。分析原因，主要在于政府融资平台贷款的财务数据、财务指标具有较大的变异，如经营性现金流、主营业务收入、净利润，甚至包括存货周转率、应收账款周转率等营运指标，每年都有很大的差距。它和一般有完善的公司治理结构的企业不同，盈利性、流动性相对弱化，政府的直接和隐性担保能力实际较强。在这种高度非线形关联的数据面前，BP神经网络模型天然存在着内在的风险识别优势，这和基于历史数据进行回归分析的Logistic模型有很大的区别。
四、 结论
银行信用风险的评估、预警、识别和防范是一个永恒的难题。假设政府融资平台可以作为一个特殊行业来进行分析的话，它有着与一般企事业单位截然不同的风险特征。在平台类公司的风险预警指标体系的构建上，对宏观、中观因素，本文仅仅以枚举的方式，列示了部分笔者认为的对风险预警存在重要影响的指标，并未穷尽。着重强调的是地方政府的财政实力及还款意愿，是平台类公司风险构成中最为特殊之处，也是未来化解平台类贷款风险的重要因素，需要在将来的工作中进一步加以分析研究。基于平台公司财务指标的特殊性，本文仅仅选择了一些简单的定量的财务指标进行分析，这些财务指标是通过SPSS等软件对其相关性进行检验，剔除非显著性差异而筛选获得的。实际操作中，还可以增加许多定性指标进行分析和判断，如采用专家分析法，将一些定性指标转化为定量指标，这样构建的财务指标体系将更加健全，对风险的预警分析更加接近实际，更具有参考价值。如在政府融资平台类贷款中，政府的担保能力实际上是银行融资、决策发放贷款的一个重要因素，如何在风险预警指标体系中选择合适指标，构建财务担保能力因素，是在未来研究过程中需要重点考虑的新的课题。
在政府融资平台的风险评价模型的选择上，本文的实证研究表明，BP神经网络模型对风险的分类和识别，比一般的Logistic模型具有更好的分辨率和准确性。这种结果的出现可以理解为是政府融资平台的财务指标的异常和特殊性所致。虽然此次实验存在一些不足，如样本数量不足够大，数据以江苏地区、特别是南京的政府融资平台公司为主，有一定的地区局限性，但是，实证表明，在银行信用风险量化评估、风险预警过程中，对企业财务数据失真、信息不透明的行业（如政府融资平台），BP神经网络模型对模型的识别能力更强，这是基于神经网络的自学习、自适应能力，它与以历史数据为回归依据的一般的模型特征有明显区别。相信在未来的银行信用风险预警研究过程中，以神经网络模型为代表的非参数人工智能方法将发挥越来越大的评价作用。
参考文献
Lee S.C，Lee E.T.,1974，“ Fuzzy sets and neural network”，J. Cybemetics， 14:83103.
Martin，D.,1977，“Early Warning of Bank Failure: A logit Regression Approach”，Journal of Banking and Finance，2，249276.
Shintanim，Linton O，2004, “Nonparametric Neural Network Estimation ofLyapunov Exponents and a Direct Test for Chaos”， Journal of Econometrics, 120(1)，1 33.
安国俊，2010，《地方政府融资平台风险与政府债务》，《中国金融》第7期43―44页。
巴曙松，2009，《地方政府投融资平台的发展及其风险评估》，《西南金融》第9期9―10页。
陈慧莉，2010，《地方融资平台风险防范研究》，《中国市场》第7期47页。
龚璞，2010，《浅谈地方政府融资平台债务风险的防范》，《中国经贸》第8期127―128页。
贾康，2010，《地方融资与政策性融资中的风险共担和风险规避机制》，《上海金融学院学报》第1期5―8页。
刘立峰等，2010，《地方政府融资研究》，《宏观经济研究》第6期6―11页。
王翼宁，2010，《我国地方政府融资平台的风险控制预警体系与市场化运作研究》，《现代管理科学》第11期33―34页。
郑蓉、张俊、干胜道，2010，《地方融资平台的风险与控制研究》，《西南民族大学学报》第8期143―144页。
人工智能财务风险范文6
【关键词】 信贷风险;财务指标;预警系统
进入2010年,银行信贷进一步高速增长可能引致未来银行不良资产大量积聚的风险,业已引起各方的高度关注。在银行监管层面,“切实做好银行业风险防控工作”成为今年银行业监管的主基调。银监会陆续“三个办法一个指引”,旨在进一步严格执行放贷条件,规范和加强信贷业务管理,促进银行贷款业务健康发展。最近,国际三大评级机构之一的惠誉将招商银行和中信银行的个体评级从“C/D”级下调至“D”级,理由是贷款规模大幅增加导致两家银行的资本状况恶化,业务的信用风险上升。尽管中国银行业运行总体稳健,包括遭惠誉下调评级的中信银行和招商银行也都经营稳健,但坚持稳健经营毫无疑问,仍然需要引起各商业银行的高度重视。银行着力于“防风险”的意思表示明显。
一、目前我国银行信贷风险质量管理中存在的主要问题
1.信用风险管理机构方面存在问题。在我国商业银行中,负责信用风险管理的主要是贷款部门的贷款员,这远远不能满足实际信用风险管理工作的需要。
2.信贷管理机制不健全。就目前我国商业银行的信贷管理而言,贷款的审批和发放主要凭借个人主观意愿,无论是贷前调查还是贷时审查,都缺少科学而完整的客观评价,且缺乏完善的贷后检查工作。贷款资金发放后,银行极少就企业对贷款资金的使用状况及企业的重大经营管理决策等进行必要的检查、监督和参与,这种只“放”不“问”的做法必然导致逾期、呆滞、呆帐贷款的增多。另外,贷款员的责、权、利与贷款质量不挂钩,缺乏明确有力的激励约束机制。
3.信贷管理方法和手段落后。我国商业银行在进行企业信用分析时,采用定性方法者较多,缺乏系统科学的定量分析,信用风险分析主要停留在传统的比例分析阶段,缺乏建立在统计分析和人工智能等现代科学方法基础上的信用风险量化测量工具,如缺乏对企业违约风险分析模型、企业破产失败预警模型等科学定量模型的开发和使用。对企业信用等级的评定也主要是由各个银行自己进行,评级的主观性强。另外,我国商业银行电子化起步较晚,很多银行缺乏关于企业详尽完整信息的数据库,缺乏像美国J・P・Morgan公司那样的成熟的信用风险管理专家系统。况且,次贷危机的影响至今仍然历历在目,即使是相对完善的发达国家金融体系,一样存在着信贷高风险。
4.信贷人员综合素质不高。我国商业银行的信贷部门缺乏大量的德才兼备的人员,信贷人员素质不高,风险意识薄弱,缺乏自觉维护银行整体利益的观念。信贷部门规章制度不健全,内部管理不完善,信贷人员的违章操作、越权、人情贷款、甚至等行为皆有发生。
基于这些内在缺陷,着重研究财务指标体系对信贷风险管理的有效性,结合财务预警系统,进行指标系统的确立,从新的角度研究银行信贷风险管理的方法。
二、财务指标分析在银行信贷风险管理中的重要性
(一)企业财务分析是信贷风险管理中贷款决策的重要依据
1.贷款风险决策管理是以风险度为核心开展的贷款决策活动。根据:贷款风险度=企业信用等级系数×贷款方式系数×100%,其中,企业信用等级由企业经营者素质、企业经济实力、企业资金结构、经营效益、信誉状况和企业发展前景等六类评价指标进行综合评定。借款人的信用状况决定银行贷款方式的选择,对企业资信状态的评价,必须以真实的财务信息和准确的财务分析为前提,否则企业信用等级评估有误,贷款方式选择上产生偏差,以贷款风险度为重要依据的贷款决策将会产生失误。
2.在贷款投向管理上,通过优化贷款增量,调整信贷结构,有效控制贷款风险。对信用等级在AA级(含)以上企业,简化贷款程序,并在服务手段上给予全方位满足;对A级企业贷款需求,有条件投入,严格实行贷款担保;对BBB级企业贷款需求,以短期贷款和贴现为主;对BB 级以下企业,以压缩贷款存量和清收原有贷款为主。如果不以真实的财务信息和准确的财务分析为前提,企业信贷等级评估有误,将使贷款投向出现偏差。
(二)企业财务分析是贷款操作程序中不可缺少的重要环节
信贷风险管理将统一的贷款操作程序分为贷前调查、贷时审查和贷后检查三个环节。贷前调查要求严格调查企业是否符合贷款条件及考察各项财务比率等,贷时审查要求严格审查借款企业和担保单位的资信等,贷后检查要求严格检查企业的生产、销售情况和财务能力等。在贷款操作程序中,每一环节都包含有进行企业财务分析的重要内容。
(三)企业财务分析是防范和控制信贷风险的重要预警信号
银行在信贷风险管理中,建立了一套预警指标体系和预测方式,包括预测企业偿债能力、盈利能力等指标体系,资产负债表、损益表等有关项目迅速变化的早期财务报警信号、经营状况变化的早期报警信号和银企关系变化的早期报警信号。其目的就是在企业经营状况恶化之前发现问题,使银行及早作出决策。
三、财务指标体系及预警系统在银行信贷风险管理中的运用
(一)指标分析
在对目标贷款企业进行财务审查时,首先要关注其偿债能力指标:资产负债率、负债与所有者权益率、流动比率、速动比率、现金比率等。通过对偿债能力指标的分析,作出初步的风险等级评价,设置准入门槛,将一些财务风险比较高的,偿债能力差的企业拒之门外,预防风险。其次应从盈利能力分析指标入手,主要有:销售利润率、营业利率率、税前利润率、成本费用利润率等等,了解并掌握企业一段时期之内的盈利水平和利润指标,降低信贷风险水平。再次应该从发展能力指标入手,对企业的各项资产,利润增长指标进行统计分析汇总,并且预测未来年份的发展水平与能力,为银行长期贷款的信贷风险提供参考依据,提高银行未来的抗风险能力。通过对以上三项指标及其相关的企业财务资料与银行标准指标进行比较,判断其偿债能力、盈利能力和发展能力等是否符合贷款条件和银行设立的安全控制标准,决定是否发放贷款以及贷款的额度,系统地降低未到期偿债的风险指标。
(二)财务风险预警系统的建立
财务危机通常是指企业无法偿还到期债务所引发的危机。国外有关企业财务危机预警的研究起步很早,我国在此领域的研究则刚刚起步。一般的企业财务危机预警系统选择并不适用于银行业,财务危机预警模型可以追溯到Fitz-Patrick(1932)开展的单变量破产预测。他以19家企业危机样本,运用单个财务比率将样本企业划分为破产与非破产两组。Beaver(1966)首先运用统计方法建立了单变量财务危机预警模型,发现营运资金/总负债在破产前一年的预测正确率可以达87%;Altlnan(1968)将多元线性判别模型引入到财务危机预警研究中,并得出著名的Z――Seore模型。Ohlson(1980)使用多元逻辑回归模型分析企业财务危机问题,并得到了高于90%的预测概率。结合银行的特殊性,目前而言生存分析模型―Cox模型将成为商业银行财务危机预警模型的较好选择。
引入财务风险预警系统,结合事前对企业的指标分析,进行银行的风险预警系统研究,达到二者的融会贯通,形成统一的财务分析模型,提高银行的预防信贷风险能力。银行风险预警部分包含对象企业资金链监控、负债规模评测、偿债能力分析、异常波动预警等内容,基本上涵盖了银行信贷风险分析的主要方面:
1.资金链监控。资金链断裂情况频繁出现,如何监控企业资金链,预先知道企业是否会出现资金链断裂可能,已成为当前理论界和实践界的一大难题。从以下几个方面对企业资金链情况提出了基本意见:(1)会不会发生资金链断裂。主要判断当企业一旦出现信任危机,会不会出现资金链断裂,如果出现资金链断裂,资金缺口将会是多少;(2)是否存在长期性资金缺口。通过企业长期性资金缺口是否存在的判断,可以确定企业资金结构的稳定性;(3)是否存在经营性资金缺口。从企业日常经营过程中的资金来源和资金占用,观察企业经营活动是否存在资金缺口。
2.合理负债规模计算。首先根据企业报表所反映的经营情况,计算了企业当前经营活动正常所需要的短期资金、长期资金和资金总需求。在此基础上,根据企业目前的资产负债关系、周转速度和盈利水平,计算了企业有能力在一年内偿还的无风险负债规模和企业在二年、三年内有能力偿还的负债规模。从以下五方面内容入手:(1)短期资金需求;(2)长期资金需求;(3)总资金需求;(4)一年内可偿还期负债规模;(5)一年以上可偿还负债规模。通过企业能够偿还的负债规模和银行实际已经给企业发放的贷款的比较,可以清楚地看出企业目前是否负债不足或者负债过度。对于放债不足,可以追加贷款。对于负债过度的,应当提出补救或保证措施。
3.现金流量分析。基于现金流量的分析,已越来越受到国内外银行和企业的重视。本系统从现金流动结构、现金流动的有效性、现金流动的充足性、现金还债能力、现金盈利能力等角度,对贷款企业的资金状况、还债周期、还债能力、造血功能等进行分析,并从现金角度揭示信贷企业的财务风险和盈利水平。本部分包括四方面内容:(1)现金流动分析;(2)现金流动充足性评价;(3)现金流动有效性评价;(4)现金还债能力评价。
最后,针对以上提及的盈利,发展能力以及管理能力等,一样设置相关的指标体系,形成全面的财务预测分析模型,充分判断银行的信贷风险,从而调整信贷规模,合理规避风险。
参考文献
[1]宋雪枫,杨朝军.财务危机预警模型在商业银行信贷风险管理中的应用[M].国际金融研究.2006(5)
[2]李利娜.财务分析在银行信贷风险管理中的运用[M].广西金融研究.2002(6)
