基于模糊识别算法财务指标研究系统设计.docxVIP

基于模糊识别算法财务指标研究系统设计 ［摘要］本文利用数据挖掘技术，设计了一个具 有财务分析和数据挖掘功能的财务指标分析系统，以便为企 业决策层提供快速的财务分析支持。在指标分析模块中使用 了模糊识别算法。该算法是利用训练样本集的模糊识别矩阵 计算出模糊聚类中心矩阵，再利用模糊聚类中心矩阵反算出 测试样本集的最优模糊识别矩阵，从而克服了传统的模糊聚 类算法只能聚类的缺点。 ［关键词］数据挖掘；财务指标；模糊识别 doi : 10 . 3969 / j . issn . 1673 - 0194 . 2013 . 12. 022 ［中图分类号］F232 ［文献标识码］A ［文章编号］1673 -0194 (2013) 12-0036-02 随着全集团ERP系统的逐步推广，如何从海量数据中提 取出对决策有价值的信息成为了财务分析的一大难题。本文 将模糊识别算法引入到财务分析工作中，结合本企业实际决 策分析需求在SAP BW平台上设计一个财务指标分析系统， 并对该系统进行了深入的需求分析、系统设计。该系统能够 智能挖掘出有效信息，并将结果直观、友好地呈现出来。 1需求分析 通过分析对各公司的经营指标，能够即时监控企业的各 项经营管理活动，发现和纠正企业管理活动的重大失误和波 动，及时发出警报，建立免疫机制，不断提高企业抵抗财务 风险的能力，使企业的财务管理活动始终处于安全、可靠的 运行状态。本系统需要对偿债能力、营运能力、盈利能力和 发展能力进行分析和预警。 偿债能力分析包括资产负债率和流动比率。营运能力分 析包括总资产周转率和存货周转率。盈利能力分析包括资产 净利率和净资产收益率。发展能力分析包括资本积累率。 2体系结构设计 本系统的体系结构设计为4层。 最底层是数据获取层，数据源主要是企业财务日常数 据，包括财务总账表里的各凭证数据。数据要保持一致性就 必须对数据源中的数据清理、抽取、转换，统一数据类型后 再存入数据仓库中。通过SAP BW的数据抽取机制将SAP R/3 源系统数据源中的数据按定制的计划进行分段上载，通过传 输规则先上载到PSA （Persistent Staging Area,持续分段 传输区域），再通过信息源的对照与更新规则的清洗转换上 载到信息提供者ODS中，最终通过转换进入信息立方体［1］。 数据存储层是用来存储经过加工处理后的企业财务指 标分析系统数据仓库中的数据，并按分析需求进行重新组 织，为决策支持提供大量规范的数据。 数据处理层主要是系统利用OUVP技术和数据挖掘技术 对企业财务分析系统的信息立方体的数据进行分析处理，从 而得到有用的知识。 数据访问层是用户与系统交互的入口。决策者通过这一 层展现出的数据、报表和图像可以查询到想要的具体数据， 并能根据数据分析的结果得到有用的知识，对下一步决策提 供依据。 3功能模块设计 根据需求分析，本系统的功能模块图可以设计为如图1 所示。 系统共分为3大模块，分别是数据准备模块、指标分析 模块和报表输出模块。数据准备模块用于对R/3里的数据进 行标准化处理，并将处理后的数据存储到SAP BW中，形成 可以进行多维分析的数据立方体。指标分析模块即财务数据 的分析过程，包括偿债能力分析、营运能力分析、盈利能力 分析和发展能力分析。报表输出模块用于将分析挖掘后的结 果直观、友好地展现给用户。 4模糊识别算法设计 本文在做指标分析时引入了模糊识别算法，从而可求得 各公司经营情况优劣。 模糊识别算法的核心思想是人们根据训练样本集的好 坏轻重程度将其分为C个等级，每个样本的等级隶属度组成 模糊识别矩阵U。同时，训练样本集存在m个指标。这m个 指标与C个类别可以通过训练得到模糊聚类中心矩阵So则 测试样本集通过模糊聚类中心矩阵S可以反推出自己的模糊 识别矩阵U [2],从而得到测试样本的好坏轻重程度等级。 由于训练样本的各个指标的特征值存在量纲量级上的 差异，为了消除指标特征值之间量纲的影响，必须对其进行 规格化处理。处理后得到该训练样本集的相对隶属度矩阵R。 如果企业经营指标的重要性程度有区别，则各指标应当附有 权值。即各指标的权向量为 W= (wl, w2,…，wm), ?wi=l (1) 式中，m为指标的个数。 训练样本j与样本的类别h的特征值聚类中心间差异用 广义欧氏权距离表示为： Iwi (rj-sh) |! = {■ Ewi (rij-sih) ]p}l/p (2) 式中，p为距离参数。加权后的加权广义欧氏权距离为: d (rj, sh) =uhj | |wi (rj-sh) | | (3) 为使训练样本集对于全体类别加权广义欧氏权距离平 方和最小，建立目标函数为： min {F二■ ■ {uhj [■ [wi (ri j-sih) ]p] 1/p} 2} (