企业小风险评估.docxVIP

风险评估 风险评估是对已识别内部和外部风险的分析确认，风险评估应遵循一定的程序和方法，应重点关注风险发生的可能性和风险对企业实现目标产生影响的严重程度。 （一）风险评估的主要指标及因素 1、反映经营风险内部经营环境定量分析指标。分析风险因行业不同而有所差异，反映企业内外环境内容的指标有：（1）偿债能力分析——流动比率、速动比率；（2）负债能力分析——负债比率、净资产比率、净资产报酬率；（3）盈利能力分析——销售利润率、资产报酬率、净资产报酬率；（4）资产管理水平分析——应收账款周转率、存货周转率、固定资产周转率、资产周转率、劳动生产率；（6）投资风险分析——营业率、偿债收益比、保本占有率。 2、主要内部环境定性分析因素。（1）资产管理——货币资金、应收款项、存货、固定资产；（2）生产管理——进销合同、生产、质量、安全、开发、技术、人事；（3）经营管理——领导、定义、计划、组织、控制。 3、外部环境的定性分析主要因素。（1）政策——经营体制改革、产业、金融、税收、环保政策变化；（2）社会——城市规划、区域发展的风险；（3）市场——供求变化（包括进货来源、竞争对手的行动）、融资、国民经济状况变化的风险；（4）技术——设备、材料改变和更新、工程技术和工艺革新、生产力因素短缺、信息的风险；（5）自然——火灾、风暴、洪水、地震、雪灾、气温的风险；（6）国际——国家、国际政治、国际投资环境、货币汇率变化、国际货币利率变化、国际经营的风险。 （二）人工神经网络在企业风险评估中的应用 1、神经网络作为人工智能的一个分支领域,近年来再度显示了它活跃的生命力。除了在模式识别、自动控制的领域应用外,实践证明,在股票市场评估、企业状况评价方面也有相当高的实用价值。神经网络由于高度并行处理信息的机制而具有调整运算能力、很强的自学习、自适应能力、内部有大量可调参数而使系统灵活性强等特点,使它有可能应用于信息残缺、模糊并带有不确定性,评估方法既需要考虑人的经验和直觉思维模式,又要有定量评价的规范性和高效率要求的经济、管理领域内的评价问题。 企业风险评估实际上统计中的分类问题。学术界提出了多种分类模型用于风险评估,这些模型可归为两大类：传统统计模型和人工智能模型。传统的统计模型主要基于多元统计分析方法,其基本思路是,根据已经掌握的历史上每个类别(违规类、正常类)的若干样本,从中总结出分类的规律,建立判别公式,用于对新样本的分类。根据判别函数的形式和样本分布的假定不同,主要的模型有：多元回归分析模型、多元判别分析模型(MDA)、logit分析模型、近邻法。其中以MDA和Logit分析模型应用最为广泛。统计模型的最大优点在于其具有明显的解释性。存在的缺陷是过于严格的前提条件。随着信息技术的发展,近年来人工智能(AI)模型被引入风险评估中。常用的AI模型主要包括神经网络技术(ANN)、决策树等。ANN可以看成是从输入空间到输出空间的一个非线性映射,它通过调整权重和阈值来“学习”或发现变量间的关系,实现对事物的分类。由于ANN是一种对数据分布无任何要求的非线性技术,它能有效解决非正态分布、非线性的风险评估问题。 2、基于ANN的企业风险评估原理 神经网络具有很强的分类能力,已经证明三层网络,可以在任意给定的精度上实现凸形的连续域判决。本文将ANN应用于海关通关风险评估问题,其基本思路是,根据已知的样本与相对应的通关守法状态(通关违规与否),运用ANN发现企业通关守法状态与其某些特征属性(如报关差错率指标)之间的关系,使得能够通过对企业这些指标的具体观察值,对企业的违法可能性进行预测。因变量为违法的可能性;自变量为影响企业通关守法状况的某些属性特征(如企业的报关差错率指标变量)。 即：Y=FX;X=x1,x2,?,xn, x1,x2,?,xn 令x1,x2,?,xn为网络输入，即各个特征指标的评价值，h1,h2,?,hL为隐含层输出，Y网络的实际输出，即对海关通关风险的屁股价值，输入层节点 则hj y=f 其中：fs 又可知f 其中，输入输出变量如下： 输出指标:企业通关风险评估、企业税收风险评估、加工贸易风险评估、综合风险评估 输出指标: (1)注册资金，(2)资金到位率，(3)投资国别，(4)经营时间，(5)企业税负，(6)减免税比例，(7)涉证商品比例，(8)业务量变动率，(9)报关差错率，(10)查获率，(11)查验率，(12)企业补税，(13)涉案金额，(14)涉案次数，(15)行业资质等级，(16)纳税信用等级，(17)贷款企业资信等级，(18)财会信用等级，(19)备案金额，(20)手册管理情况。 3系统实现 该系统由4个部分组成,限于篇幅,程序略: （1）客户端(Web浏览器) （2）服务器端(由Oracle数据库、JavaBean、Web服务器JS