基于灰色系统理论的财务风险评估方法

陈友娴

(南京中医药大学附属医院， 江苏省中医院， 江苏， 南京 210000)

0 引言

物联网技术的广泛应用带动了各行各业的生产水平的提升，同时也给企业的安全带来了全新的挑战。在物联网技术不断发展的形式下，其存在的弊端也日益呈现，网络安全问题成为炙手可热的话题[1]。由于市场经济制度的不断完善，市场竞争的压力与日俱增，企业的财务保护和风险评估变得十分重要[2]。在当今背景下，很多中小型企业的财务风险评估体系存在诸多薄弱环节，随时会发生不可控因素引起的资产损失，严重影响和制约企业信息化的发展[3]。

针对上述存在的问题，文献[4]发布了一种基于数据包络分析模型的评估体系，虽然在一定程度上财务风险评价效果不错，但效率值域受限且难以进行纵向指标对比评价。文献[5]提出了一种基于模糊推理算法的评价体系，虽然评价全面、整体性强、算法过程简单，但是评价准确率低。为此，本研究基于灰色系统理论构建财务风险评估模型，利用灰色系统理论对财务风险进行预测，并采用数据包络分析模型优化灰色系统权值系数。

1 财务风险评估分析

在对财务风险进行评估时，为了量化风险，本文构建了财务风险模型，能够将财务风险中存在的各个因素直观地描述出来，能够使网络信息安全存在的威胁和漏洞直观地表达出来，进而预防事故的发生。

为了预防安全事故的发生，必须根据安全需求实行保险措施，将财务风险控制到最低，保障财产的安全[6]。财务风险评估各个因素关系图如图1所示。

1.1.2 父本来源。父本由皖芝2164 Co60辐射诱变系选，单秆型，一般株高160 cm。叶绿色，白花，一叶三蒴，蒴果四棱，单株蒴果数82.5个。始蒴部位较低，中长果型，结蒴较密，每蒴粒数60.8粒左右，千粒重3.02 g，种皮白色。耐旱性较强，抗枯萎病。正常夏播全生育期90 d左右。2013年参加安徽省区试，平均产量为1 479.0 kg/hm2，比豫芝4号增产0.68%。2014年通过安徽省鉴定。

从图1可以看出，整个企业的经济运转依靠财产，财产具有价值，财产越丰厚则价值越大，同时财产也具有脆弱性，财产过多脆弱性则容易暴露。根据财务风险可以提出安全要求，安全需求的成本由财产价值提供，通过满足安全需求得到保险措施。保险措施能够防御威胁和降低财务风险，但当保险措施存在残缺，会存在残余风险且会进一步导致安全事故的发生[7]。

图1 财务风险评估各个因素关系图

在对财务风险信息进行评估时，本文先对财务风险信息进行识别，进而发现威胁发生的频率赋值，识别脆弱性并对脆弱性的强度赋值。根据已有的保险措施进行风险分析，判断整个财务管理系统是否能够承受该风险，得出结论并进行下一步具体实施。风险评估的过程示意图如图2所示。

图2 关于风险评估实施流程图

2 关键技术

2.1 灰色系统理论

灰色系统的核心思想是通过整理已知信息寻找规律，并通过这种内在规律进行信息预测[8]。本研究的财务风险灰色系统构建的基本预测数学模型步骤如下所示。

调整后的Q值用于图1来确定合适的边墙支护参数。 加筋喷混的厚度、 间距和钢筋的数量和直径都必须根据地下洞室的尺寸和岩体质量而变化。

假设财务风险原始序列为X0，其表达式为

3.3.1 积极营造适合中职生学习的课堂环境 良好的环境对心理调节和行为规范有积极作用，包括物质环境和心理环境。物质环境：主要是指教室布置。应按照专业特点合理规划，设计与专业有关的内容，保持教室的整洁，从而增强学生的责任感。心理环境：和谐的课堂氛围对于学生良好行为习惯的养成具有重要影响。课堂气氛和谐融洽，教师讲课心情愉悦，学生就容易受到感染，不仅课堂问题行为很少，还能促进其学习与交流。

式中施加力F，压电应变常数[d]，尺寸参数为L*W*H，介电常数ε，由上述方程式可知所产生的电压幅值与压电陶瓷的外形尺寸、性能参数以及所受压力密切相关。

X0=(x01，x02，…,x0n)

(1)

将得到的财务风险原始数据信息序列进行累加，最终输出的新序列为

X1=(x11，∑2n=1x12，…,∑nn=1x1n)

(2)

【查阅资料】制作固体酒精时，用由硬脂酸和氢氧化钠反应生成的硬脂酸钠作为凝固剂，再加入酒精，酒精填充在硬脂酸钠骨架间隙中，即可得到固体酒精。固体酒精在较高的温度下燃烧时，硬脂酸钠可完全转化为硬脂酸和氢氧化钠，硬脂酸和酒精均可完全燃烧生成二氧化碳和水。

其中，ε表示非阿基米德无穷小量，S-r与S+S分别表示减少的投入向量与增加的产出向量。

x0i+ax1i=bi

(3)

其中，k是1到n之间的任意自然数。通过累减计算进行还原得到财务风险灰色系统模型的最终形式为

a=[a,b]T=(BTB)-1BY

(4)

B=-x111

-x121

⋮⋮

-x1n1,Y=x01

x02

⋮

x0n

(5)

由式(3)确定白化方程为

dX1dt+aX1=b

(6)

通过对财务风险原始序列X1离散化得到X1(t)，由式(6)确定时间t的响应式为

x1(t)=x0(t)-bae-at+ba

(7)

进而由时间响应式得到时间相应序列为

1(k+1)=X0(1)-bae-ak+ba

(8)

其中，a和b都是财务风险灰色系统模型中的参数，具体参数运算为

(2)计算财务风险样本数据的残差值u(k)和残差平均值：

0(k+1)=x0(1)-ba(1-ea)e-ak

(9)

0(k+1)=w1(k+1), 0≤w≤1

(10)

其中，w表示财务风险预测权重值。在得到最终形式的财务风险灰色系统模型后，为了验证财务风险灰色系统模型预测的准确性，通常在过程中对财务风险灰色系统模型进行检验。本研究采用后验差检验法验证财务风险灰色系统模型的精准度，其过程如下。

(1) 计算财务风险样本数据的平均值x-和均方差S21：

x-=1n∑nk=1x0(k)

(11)

S21=1n∑nk=1(x0(k)-x-)2

(12)

慢性阻塞性肺疾病是比较多见的疾病,因为气流受限,不完全可逆等导致了患者的肺部疾病。患者还会合并右心功能衰竭,大部分都是因为慢性阻塞性肺疾病所导致的。患者急性发作期优于缺氧和二氧化碳潴留导致了肺动脉痉挛,血液粘度上升,高凝和血栓前状态,肺部通气受到影响,肺功能衰竭,心衰难以控制,因此抗凝和降低肺动脉压是治疗的关键。

u(k)=x0(k)-0(k)x0(k)

(13)

=1n∑nk=1u(k)

(14)

(3)计算财务风险样本数据的均方差S22和2个均方差之比C：

S22=1n∑nk=1(u(k)-)2

(15)

C=S2S1

(16)

(4)通过财务风险样本数据的残差值与平均残差值算出误差概率P为

P={u(k)-<0.674 5S1}

(17)

由上述过程得到均方差之比C与误差概率P，根据这两个参数来检验财务风险灰色系统模型预测的准确性，检验等级标准如表1所示。

表1 灰色系统模型检验等级标准

在表1的计算过程中，如果均方差之比C越小，误差概率P越大，那么财务风险灰色系统模型的预测精度就越高。虽然灰色系统理论在很多方面效果很好，但依然存在某些缺陷。

2.2 数据包络分析模型优化

为了使财务风险灰色系统模型的预测结果能够得到进一步地优化，本研究采用数据包络分析(DEA)模型进行改进，有效地克服了财务风险灰色系统模型的预测结果的缺陷，减弱了随机财务风险数据干扰的影响，使评估结果更加科学合理。

通过式(1)、式(2)得到财务风险灰色系统模型的基本形式为

在DEA强化模型中，当zj=1且减少的投入向量与增加的产出向量均为0时，说明财务风险独立决策模块Mj相对效率达到最高，无法进行优化;当zj<1且减少的投入向量与增加的产出向量均不为0时，按照实际减少的投入向量与增加的产出向量的值进行调整，实现DEA模型对财务风险灰色系统模型的预测结果的优化。

将字母j表示为用户可以任意设置的自然数，则存在一组财务风险独立决策模块Mj，其投入向量xj与产出向量yj表达式为

xj=(x1j,x2j,…,xrj)T

yj=(y1j,y2j,…,ysj)T

(18)

其中，r与s均为自然数。假设Aj与Bj分别表示投入指标的权重向量与产出指标的权重向量，则财务风险独立决策模块Mj的相对效率为

zj=∑sj=1Bjysj∑rj=1Ajxrj,j=1,2,…,n

(19)

通过选取合适的投入权重与产出权重，使得相对效率小于等于1。通过Charnes-Cooper对式(19)变换得到线性方程组，即为DEA基础模型：

minzj

DEA∑nj=1kjxrj≤zjxrj

∑nj=1kjysj≥yrj

kj≥0

(20)

其中，kj表示财务风险独立决策模块Mj的决策变量。由于单纯的DEA基础模型优化效果十分有限，本研究在式(20)的基础上引用非阿基米德无穷小量等参数，得到DEA强化模型：

大多数剖腹产手术患者因对手术了解不充分,存在紧张、焦虑、恐惧等不良心理,非常不利于术后康复。因此,护理人员要将手术的相关知识及手术注意事项向患者详细的讲解,协助做好术前各种检查;指导患者学会有效咳嗽,避免震动伤口;同时,认真倾听患者的主诉,给予细致的解答,尽量满足她们的诉求,给予亲人般关心和安慰,消除她们术前、术中、术后各种不良情绪,树立乐观的心态,积极配合临床治疗与护理,争取早日康复。

minzj-ε∑nj=1S-r+∑nj=1S+s

DEA∑nj=1kjxrj+S-r=zjxrj

∑nj=1kjxrj-S+s=ysj

kj≥0S-r≥0,S+s≥0

(21)

（5）新材料辅助的转基因定量检测技术。从近年来的转基因食品分析检测技术研究实践而言，提出了使用新材料辅助进行检测的技术，比如纳米技术不仅能够降低背景值，还能够提高检测的准确性。除此之外，利用氧化石墨烯、纳米金粒子以及量子点等，辅助检测作业。Zhu等[5]基于GD的特点，优先结合单链DNA的能力，构建了检测系统，验证了GD的应用价值。

DEA的原理在于将每种财务风险看作是一个独立的决策模块，利用投入和产出之间线性关系计算得出相对效率，并对相对效率进行分析。DEA基础模型的构建过程如下。

2.3 财务风险指标体系的构建

本研究通过构建财务风险指标体系进行风险评估，财务风险指标的选取要遵循实用性和可行性，目前对于财务风险指标分类没有一个确定的标准，本研究构建出的一套财务风险指标体系如表2所示。

表2 财务风险指标体系

从表2可以看出，将本研究构建出的整个财务风险指标体系划分为财务指标和非财务指标等不同的类型，这些数据类型包含了资产利润率、资产周转率等10个财务指标，利率风险、市场周期律等6个非财务指标。

3 实验与分析

3.1 实验环境与数据样本

关于实验的硬件环境为Pentium(R)CPU、8核16G内存、512G的硬盘容量;操作系统为Windows 10、JDK 5.0，通过MATLAB软件系统进行仿真。

联动的PLC、2套步进电机、1块触摸屏、1套锁付机及相关的外围机械组件构成。PLC1为主控制器， 实现自动装料、自动安装螺丝等功能；PLC2为从站控制器，实现工作台前后、左右移动到预订安装位置的功能。通过人机界面(触摸屏)来实时查看系统工作状态，修改螺丝安装位置等相关参数。

本研究以某企业最近4年财务实际流向数据作为实验数据样本，通过构建财务风险指标体系得到该企业从2016年到2019年的财务数据样本如表3、表4所示。

进行单因素试验时，一种元素含量作为变量，其余三种元素含量保持不变.试验中各元素质量分数范围分别为10%～12%Si，1.5%～3.5%Cu，0.1%～0.3%Mg，0.1%～0.5%Mn.在ADC12铝合金成分范围内，采用单因素条件试验分别向合金中添加不同量的Si，Cu，Mg，Mn元素时，考查合金力学性能的变化情况.在4种元素质量分数为10%Si，1.5%Cu，0.1%Mg，0.1%Mn的条件下，分别进行Si，Cu，Mg，Mn添加量对铸态合金抗拉强度与延伸率影响的单因素试验，试验结果如图2～5所示.

表3 企业财务指标数据样本

表4 企业非财务指标数据样本

表3和表4中的权值w由式(10)计算得出。

3.2 实验内容与结果分析

在有了实验数据样本后，下面将通过MATLAB软件来构建财务风险评估模型，关于基于灰色系统理论构建财务风险评估模型的程序如图3所示。

图3 财务风险评估模型程序流程图

根据图3程序编辑得到财务风险评估模型，以表3中企业2017年营业利润率财务指标作为对象，输入预测年份为2021年至2028年，通过对比采用与不采用DEA强化模型的计算权重所耗时间，统计结果如图4所示。

图4 计算权重耗时对比曲线图

从图4可以看出，采用DEA强化模型进行优化能够显著提高计算效率，并且随着预测年份的变化，采用DEA强化模型计算权重耗时邻近年份差距不是很大，这是因为DEA强化模型减弱了随机财务风险数据干扰的影响。实验结果表明，采用DEA强化模型对财务风险评估模型优化非常实用。

为了验证本研究基于灰色系统理论的财务风险评估模型比传统评估模型更加适用，以文献[5]中提出的模糊推理算法评估模型作为对照，以实际2016年至2019年的财务风险评估值为实验数据，计算这两种财务风险评估模型所预测的评估值，并得出结果与真实评估值进行对比，结果如图5所示。

2.2.4 MRI 完成MRI检查者62例，其中MRI异常15例；其预测神经系统不良预后的灵敏度为61.5%，特异度为85.7%，阳性预测值为53.3%，阴性预测值为89.4%。

图5 两种预测模型与真实评估值对比

从图5可以看出，模糊推理算法评估模型对财务风险的评估值与真实值相差较大，而本研究所用方法预测评估值与真实值相差较小，为了更加清晰地对比，本研究统计2016年至2019年间的财务风险误差数值结果如表5所示。

表5 两种预测模型评估结果对比

从表5可以看出，本研究基于灰色系统理论的财务风险评估模型比模糊推理算法评估模型误差值要小，在预测2016年时达到最小误差率4.4%，表明本研究构建财务风险评估方法的精准性高。

4 总结

本文基于灰色系统理论构建了财务风险评估模型，通过分析存在的威胁和漏洞评估财务流失等安全事故带来的危害程度，充分利用了灰色系统对财务风险进行预测，并融入了数据包络分析模型优化灰色系统预测效率。最后利用某企业的数据通过实验验证了该评估模型的有效性和可靠性。但是本研究仍旧存在一些不足，有待在进一步的研究中改进。