基于粗糙集理论国有资产绩效分析.docVIP

基于粗糙集理论国有资产绩效分析 　　摘要：国有资产绩效评价指标种类繁多，数据存储量大，增加了国有资产综合绩效分析处理的难度。本文从知识发现和数据挖掘的角度，利用粗糙集的分辨矩阵的指标约简方法对国有资产绩效指标进行约简。实验表明，利用BP神经网络分别对其中一个约简和原始数据集进行训练，对训练结果进行对照分析，发现二者基本一致；并且得出结论经过属性约简后的数据集网络训练性能得到了提高。 　　关键词：粗糙集 属性约简 BP神经网络 国有资产 绩效分析 　　一、引言 　　在国外企业绩效评价理论发展的影响下，我国实践探索的方向主要是要建立多层次、多方位的企业绩效综合评价体系。国有资产综合绩效分析是国企必须解决的主要问题。确保国有资产运行的安全性是提高国有资产质量，经营效率，保值增值的关键措施和手段，而国有资产绩效分析是不可或缺的步骤。目前，在国有企业绩效评价指标选取方面，有《中央企业综合绩效评价实施细则》中制定的中央企业综合绩效评价指标体系包括盈利能力、资产质量、债务风险、经营增长四个方面状况；还有采用主成分分析方法进行企业绩效指标选取的研究。对于这类问题，绩效分析指标属性一般选择比较多，也会造成指标属性冗余问题，这样不仅会增加绩效分析的成本也会影响分析的合理性。粗糙集（Rough Set）理论是Z.Pawlak教授1982年提出来的一种处理模糊和不确定性知识的新型数学工具。粗集理论作为智能计算的科学研究，无论是在理论方面还是在应用实践方面都取得了很大的进展。目前粗糙集理论已成为国内外人工智能领域中研究的学术热点，也引起了科研人员的关注。因此本文探用粗糙集理论的方法对国有资产绩效指标进行约简优化，以现有的数据为基础，得出各属性要素的重要度以完成对绩效分析的决策支持。最后通过实例证明该方法的可行性和有效性。 　　二、国有资产绩效评价指标体系及粗糙集理论概述 　　（一）国有资产绩效评价指标体系 基于国内外学者对上市公司综合绩效分析做了大量的研究。1968年美国专家Edward.I.Altman首次利用多元判别分析提出了评价上市企业综合绩效的5个指标，形成了著名的Zscore模型。高培业、张道奎选取深圳市国有企业作为样本，使用多元判定技术得出由5个综合绩效指标构成的最终判定模型；资产负债比率的相对贡献较大，对于国有企业上市公司综合绩效有着显著的影响。陈晓和陈治鸿也进行了1260种变量组合的检验，选取出4个具有较强预测企业绩效能力的指标。选取综合反映盈利能力、偿债能力、营运能力和现金流量等方面的29个指标用于构建财务预警模型，最后通过数据挖掘的特征选择方法，最终选择了每股收益、债务资产比率、总资产、净资产*股东权益合计、总资产增长率、现金负债比率、营业利润、所有者权益合计（包括少数股东权益）、净资产共9项指标进行建模。综上所述，国有资产综合绩效评价指标可以用图（1）的层次结构指标体系来描述。 　　（二）粗糙集理论概述 粗糙集理论作为处理不精确、不一致、不完整等各种不完备的信息有效的理论工具，主要是因为其数学基础成熟、不需要先验知识。粗集理论研究的出发点是直接对数据的进行分析和推理，发现潜在的规律，因此这是一种数据挖掘或者知识发现方法，它最显著的特点是不需要提供问题所需处理的数据集合之外的任何先验知识，就能进行特征选择，知识发现，形成规律。它可以帮助我们找出最小属性集称为“约简”，这种约简是一个给定的信息系统所固有的最小长度决策规则并且不会导致分类质量的恶化。属性约简即是降低属性的维数，通过选择最相关属性减少维度的功能，从而降低测量成本，传输和存储成本和紧凑分类模型。 　　（四）国有资产绩效案例分析 决策表中有24个样本，13个条件属性，1个决策属性。经过属性约简，采用上面的公式（5）计算条件属性指标的权重，设定阈值，删除冗余指标，筛选出比较重要的指标；最后得到的条件属性的一个约简为{V21，V32，V33}，即总资产净利润率、存货周转率、应付账款周转率进行仿真实验。实验利用MATLAB7.1进行仿真实验，在所有的样本中选择样本编号为1-10，15-24的数据集作为训练样本，使用BP神经网络实行批处理方式训练，样本11-14作为测试样本来验证网络训练的结果。BP神经网络有三层，经指标属性约简后有3个条件属性指标，因此输入层的神经元为3个，经过反复多次试验，得到隐含层的神经元设计为16个最佳，由于网络输出的结果只有一个指标即绩效评价综合值，因此输出层的神经元为1个。对BP算法进行设计，隐含层采用tansig转换函数，输出层采用purelin转换函数，并采用带有动量的梯度下降法（traingdm），使用MATLAB7.1训练神经网络，网络训练过程如图（2）、图（3）、图（4）、图（5）所示。从仿真实验结果可以看出，指标约简后和指标约