基于相似矩矩阵的财务聚类与识别.docxVIP

基于相似矩矩阵的财务聚类与识别

1出基于模糊模式的决策模型

为了有效管理公司的财务，管理者需要正确衡量和预测风险，进行适当的控制和预防，完善风险管理机制，将损失降至最低，为公司创造最大利润。财务风险广泛存在于企业的各种理财活动中,对企业实现自己的财务目标有相当重要的意义。对企业财务风险的研究越来越多的受到人们的关注,怎样解决那些包含模糊信息的风险识别问题是学者们关注的重点,而模式识别的引入则有效地解决了此类问题。

2005年,孙星等提出一种基于灰色预测与模式识别的预警方法,首先对企业运营的单项特征指标建立灰色模型,其次将所有指标的模型组合起来,构成系统状态方程进行预测,然后利用模式识别的方法对预测结果进行分类,以判断企业的危机状态。2008年,Hun和Yang借鉴信息熵理论,构建了直觉模糊集之间的J-分歧,将其应用于聚类和模式识别中。2009年,Asli等提出两类模式识别问题的改进模糊分类函数设计方法。谢志强等通过分析对象属性间的关系,提出了一种基于改进的多级模糊模式识别的分类方法。郭德仁和王培辉提出了一种新的基于模糊聚类和模糊模式识别的企业财务预警模型。邓敏和韩玉启指出了基于统计分析方法的传统财务困境预警模型的缺陷,分析了基于数据演算推理和模式识别的新兴财务困境预警模型的特点。纪崑和陈超将模糊模式识别与神经网络相结合提出模糊模式识别神经网络动态识别方法,克服了模糊模式识别只能处理静态数据且不能实现特征提取的问题,同时克服了神经网络对于高维度、高相似性特征指标识别困难的问题。2010年,黄伟平等在混合式系统融合框架下,首先处理各目标航迹起始段的本地航迹和经粗处理的原始测量,基于模式相似性测度分析形成起始段的融合航迹,利用融合航迹信息对原始测量数据进行回归分析,估计融合点和置信区间,跟踪滤波形成航迹。

本文拟结合企业实际情况,根据模糊聚类和模式识别方法建立企业财务风险评价模型,定量、系统地度量企业运行的状况,为企业的健康运行和发展提供理论依据,为企业决策者做出科学、合理的决策提供支持。

2模糊检测和基本识别

2.1模糊聚类分析

(1)原始特征值矩阵

设论域U={x1,x2,…,xn}为被分类样本,每个样本有m个指标表示其性状,即xi={xi1,xi2,…,xim},(i=1,2,…,m),于是,得到原始特征值矩阵为

??????x11x21?xn1x12x22?xn2???x1mx2m?xnm??????.(x11x12?x1mx21x22?x2m???xn1xn2?xnm).

其中xnm表示第n个分类对象的第m个指标的原始数据。不同的数据一般都有不同的度量单位,为了使不同的数据能进行比较,一般需要对其特征值做一定的变换,即标准化。

(2)模糊相似度计算

根据标准化后的数据建立相似矩阵。设U={x1,x2,…,xn},xi={xi1,xi2,…,xim},采用最大最小法来计算相关系数rij,从而建立模糊相似矩阵,rij表示xi与xj的相似度。

rij=∑k=1m(xik∧xjk)∑k=1m(xik∨xjk)(1)rij=∑k=1m(xik∧xjk)∑k=1m(xik∨xjk)(1)

(3)等价类的类类合并和等价分类

建立模糊相似矩阵之后,直接由模糊相似矩阵求得聚类图。步骤如下:

①取λ1=1(最大值),对每个xi作相似类[xi]R,且

[xi]R={xj|rij=1},

即将满足rij=1的xi与xj放在一类,构成相似类。等价类和相似类的不同之处在于不同的相似类可能有公共元素,即可出现

[xi]R={xi,xk},[xi]R={xj,xk},[xi]∩[xj]≠?.

此时只要将有公共元素的相似类合并,即可得λ1=1水平上的等价分类。

②取λ2为第二值,从R中搜索出相似度为λ2的元素对(xi,xj),即rij=λ2,将xj所在的类与对应于λ1=1的等价分类中xi所在的类合并,得到对应于λ2的等价分类。

③取λ3为第三大值,从R中搜索出相似度为λ3的元素对(xi,xj),即rij=λ3,将xj所在的类与对应于λ2的等价分类中xi所在的类合并,得到对应于λ3的等价分类。

④以此类推,直到合并U成为一类为止。

2.2基于2种多特征矩阵的分次选择

1981年,Hwang和Yoon提出逼近理想解的排序方法(TechniqueforOrderPreferencebySimilaritytoIdealSolution,TOPSIS)。TOPSIS法是借助多属性决策问题的理想解(Positive-IdealSolution,PIS)和负理想解(Negative-IdealSolution,NIS)对方案集A中各方案排序。PIS是指方案集A中的最佳方案,这个方案可能是虚拟的,它的每个指标都是该类特征矩阵