《大数据与智能会计分析》 课件 重大 第5--7章 智能分析、 风险预警监控、 自定义分析.pptxVIP

第五章 智能分析;第5章智能分析 5.1 智能分析理论 5.2 智能分析操作;学习目标 通过本章学习，了解智能分析基本理论；掌握智能分析如何使用，比如灰色分析、评分评级、平衡记分卡、主成分分析、熵值分析、行 业引力分析、状态空间分析、可拓集合分析、偏最小二乘回归、PLS结 构方程、数据包络分析等内容。;5.1 智能分析理论 5.1.1灰色分析 1.灰色关联分析 灰色关联分析（Grey Relational Analysis）是灰色系统分析方法的其中一种，是依据各因素数列曲线形状的接近程度做发展态势的分析，是一种基于行为因子序列的微观或宏观几何接近，以分析和确定因子间的影响程度或因子对主行为的贡献度而进行的分析方法。;5.1.2平衡计分卡 一种战略管理和业绩评估工具，主要通过测量企业的四个基本方面：财务业绩指标、客户方面业绩指标、内部经营过程业绩指标、学习与增长业绩指标，提供一种全面评价系统，向企业各层次的人员传达公司的战略以及每一步骤的内含。;平衡计分卡（the Balanced Score card，BSC）中的四个基本方面中每一部分都包括目标（objective）、指标（measure）、目标值 （target）和行动方案（initiative）;图5-2 平衡计分卡管理流程;5.1.3主成分分析 主成分分析法，也称因子分析法，最早是由美国心理学家Charies Spearman于1904提出，其基本思想是将实测的多个指标，用少数几 个潜在的相互独立的主成分指标（因子）的线性组合来表示，构成的线性组合可以反映原多个实测指标的主要信息。使得分析与评价指标变量时，能够找出主导因素，切断相关的干扰，做出更为准确的估量与评价。广泛地应用于企业经营分析的各个领域。;5.1.4熵值分析 信息量越大，不确定性就越小，熵也就越小；信息量越小，不确定性越大，熵也越大。根据熵的特性，我们可以通过计算熵值来判断一个事件的随机性及无序程度，也可以用熵值来判断某个指标的离散程度，指标的离散程度越大，该指标对综合评价的影响越大。 本系统包括:熵权分析、计算分析指标权重、风险的三维熵式度量法、计算风险的多维性;5.1.5行业引力分析 市场引力是指企业及其产品对消费者的吸引程度，企业知名度???、产品精良、服务完善、价格合理便会得到消费者的欢迎，反之则被消费者拒之门外。 （1）市场引力因素分析 （2）产品的市场强度分析 在BIA系统中，行业财务分析包括行业平均财务指标计算、行业财务引力计算与分析以及行业财务指标趋势分析三个部分。;5.1.6状态分析空间 1.马尔可夫分析 主要用于分析随机事件未来发展变化的趋势，即利用某一变量的现在状态和动向去预测该变量未来的状态及其动向，以预测未来特定时期可能产生的变化，以便采取相应的对策。;2.温特斯分析 温特斯模型是温特斯于20世纪60年代提出的，该方法是把具有线性趋势、季节变动和不规则变动的时间序列进行因素分解，并与指数 平滑法结合起来的状态空间模型，它以三个平滑方程式为基础，去分 别模拟时间序列的三个组成因素—线性趋势、季节变动、不规则变动，分析预测多种因素共同作用的影响，因而使用于复杂状态下事物的发 展变化分析。;5.1.7 可拓集合分析 可拓集合是研究和解决矛盾问题的特有方法论，其核心物元变换是将物元要素——事物、特征、量值或它们的组合作为一个整体——物元来研究，对其实行置换、分解、增删和扩缩运算，从而实现化矛盾为相容。;5.1.8偏最小二乘回归 偏最小二乘回归=多元线性回归分析+典型相关分析+主成分分析 偏最小二乘法(PLS)是基于因子分析的多变量校正方法,其数学基础为主成分分析。;5.1.9 PLS结构方程 PLS结构方程已被证明是财务因素分析的最好技术方法。PLS结构方程模型是一种由多种统计模型综合起来的因果分析型模型，因素分析法、路径分析法以及因子分析法都是它的特例，主要用于处理不可直接观测的潜在变量。;5. 1. 10 数据包络分析 数据包络分析是一种基于线性规划的用于评价同类型组织(或项目)工作绩效相对有效性的特殊工具手段;5.2 智能分析操作 智能分析主要包括：灰色分析、评分评级、平衡记分卡、主成分分析、熵值分析、行业引力分析、状态空间分析、可拓集合分析、偏最小二乘回归、PLS结构方程、数据包络分析等内容。;5.2.1 灰色分析 1 灰色关联分析 （1）选择分析客户 详见“3.2.1 趋势回归分析”中的“（1）选择分析客户”中的步骤。;（2）基础数据;（3）灰关联分析;2 灰色GM(1,1)模型 （1）选择分析客户 详见“3.2.1 趋势回归分析”中的“（1）选择分析客户”中的步骤。 （2）数据采集;（3）模型检验与残差修正;（4）模型预测;5.2.2 评分评级 （1）选择分析客户 详见“