可变精度粗糙集在上市公司财务预警中运用.docVIP

可变精度粗糙集在上市公司财务预警中的运用 　　【摘要】 可变精度粗糙集VPRS是标准粗糙集RS的一种推广。文章借鉴了VPRS模型具有噪声数据的强适应能力和强抗干扰能力的优点，提出了一类基于VPRS的信息产业上市公司财务预警方法，并用部分信息产业上市公司对其进行实证检验。检验结果表明：该方法具有较好的识别能力，对信息产业上市公司财务危机的预测准确率达到89.7%，具有良好的应用前景。 　　【关键词】 信息产业； 财务预警； 可变精度粗糙集； R约简； 决策树 　　 　　一、引言 　　 　　改革开放以来，我国信息产业发展迅速，已逐步成为国民经济重要的支柱性、先导性、基础性和战略性产业。信息产业类企业，包括致力于信息技术研发和服务的企业，具有较强的扩张性、渗透性，资金需求量大，但由于受到信息技术生命周期、研发成熟度、市场容量、经营能力等因素的影响，其未来发展和经营业绩具有较大的不确定性，导致企业面临较大的经营风险和财务风险。其中，信息产业上市公司的财务信息对多方利益相关者都有着重要影响。因此，建立财务预警系统、强化财务管理、避免财务失败和破产，具有重要意义。 　　现有的企业财务预警方法可分为定性预警与定量预警两类。定性分析主要包括：灾害理论、专家调查法、四阶段症状等方法。定量分析主要包括：单变量判定模型、多变量线性判定模型、Logistic回归模型、人工神经网络模型等方法。上述方法各有其特点，但均存在不同程度的局限，难以满足企业财务预警实践发展的需要。粗糙集（RS）是一种刻画不完整性和不确定性的数学工具，能有效分析不精确、不一致、不完整等各种不完备信息，还可以对数据进行分析和推理，从中发现隐含的知识，揭示潜在的规律，从而有效进行知识库的约简和规则的提取。 　　可变精度粗糙集（VPRS）是对RS理论的扩充，它在标准粗糙集的基础上引进一个阈值β，并将其定义为错误分类率（0≤β＜0.5），即允许一定程度上错误分类率的存在，由此，使VPRS具有较强的抗干扰能力。An等（1996）又将β定义为正确分类率（0.5≤β＜1），并称之为强化粗糙集。文献［6］运用VPRS模型对我国166家??市公司财务困境进行预测，取得了较高的预测精度。文献［7］显示VPRS模型在应用过程中面临参数β的选择问题，不同的β值将产生不同的属性约简结果。有鉴于此，本文将VPRS引入到信息产业上市公司财务预警分析中，提出一种基于VPRS的信息产业上市公司财务预警方法。首先，根据VPRS模型对属性进行R约简并生成识别规则，形成识别规则库；然后，在识别规则库的基础上集成剪枝决策树，构建信息产业上市公司财务危机识别方法；最后，利用测试样本对识别方法进行检验并获取识别精度。结果显示，该方法对信息产业上市公司财务危机的预测准确率达到89.7%，具有良好的应用前景。 　　 　　二、基于VPRS的信息产业上市公司财务预警方法 　　 　　步骤1：建立决策数据表，对原始数据进行补缺。使用决策表来描述对象，即采用二维数据关系表的形式。表中每一行描述一个对象（即样本企业），每一列描述对象的一种属性。在实际收集数据的过程中，不可避免地会遇到数据缺失情况。为此，拟采用Mean/mode方法对数据进行补缺。 　　步骤2：对样本数据进行划分及离散化处理。按2∶1的比例将完备数据关系表划分为两个数据关系表，其中，总样本的67%为训练样本，用来导出识别规则，形成识别规则库；剩余的33%为测试样本，用来检验识别方法，获取识别精度。运用VPRS模型处理数据关系表时，要求表中的属性值用离散数据表示，而大部分样本企业的条件属性均为连续值，因此，必须对样本数据进行离散化处理。拟采用等频率划分方法对数据进行离散化处理。 　　步骤3：R约简与规则生成。VPRS模型常用的属性约简算法有：R约简、上下分布约简等。其中，R约简是通过全局增益来度量决策信息系统的属性重要程度，并以全局增益作为启发式信息得出VPRS属性约简的启发式算法。本文拟采用R约简，通过启发式算法对训练样本进行属性约简。根据约简结果，生成具有一定决策概率的不精确决策规则。通过设定相关的可信度、覆盖率、支持数阈值，对生成的规则进行筛选，形成识别规则库。 　　步骤4：集成剪枝决策树，构建信息产业上市公司财务危机识别方法，并对其进行检验。首先，在识别规则库的基础上，运用基于VPRS的决策树生成方法，建立基于识别规则的决策树。即通过计算各规则的变精度明确区，选取明确区最大的规则作为第1条规则，用第1条规则对待识别样本进行识别；其次用第2条规则对第1条规则不能识别的剩余样本进行识别，以此类推；再次，运用基于RS的决策树剪枝算法得到剪枝决策树，从而构建起信息产业上市公司财务危机识别方法；最后，利用测试样本对识别方法进行检验，获取识别精度。