文摘
管理会计和财务会计之间的不断融合的新的经济准则,这是推动这种关系越来越近。增加财政部门的工作效率,这两个必须协调和整合。马FA的有效融合,不仅可以显著影响会计工作的实际效果也是企业的长期成功。本研究开发一个网络结构,结合摘要(BP神经网络)和PLS(偏最小二乘法),而且它的结构适用于FA和马。的财务数据收集使用请预处理,使得数据处理结果的主要因素,忽略次要因素。研究结果表明,该模型具有90%的总体准确率在评估50个测试样本公司的财务健康状况。分析结论表明,这个模型可以成功地检查内部公司的资本结构和财务绩效之间的关系。也作为指导对公司而言,如何提高当前不合逻辑的融资结构体系和改善财务表现。
1。介绍
当代企业的市场竞争力获得强度随着中国市场经济的不断发展。因为它直接影响到公司发展的能力和经济实力,财政部门的工作在这个背景下尤为重要。FA(财务会计)和马的工作必须不断加强结果(管理会计)。足总关注的会计和管理业务相关的经济活动,而马侧重于管理,操作,和决策的企业。尽管他们每个人的独特品质提供服务时,他们的企业,他们都是现代会计学科的一部分(1]。研究它们之间的相互协调机制后,计算机财务管理的一体化和马中发挥着不可或缺的作用加强财务管理的总体质量,促进公司的长远发展从组织的战略发展的角度。
在大数据时代,财务人员需要更先进的分析技术将大量不规则的数据转换成结构化信息来衡量组织绩效和投资风险。会计师需要使用互联网的先进的分析技术,将获得的信息转换为公司的业绩,并评估后续投资的风险。丁等人介绍了多变量预警模型转换为财务危机预警领域,得到了广泛的应用。之后,许多学者建立各种多元模型基于z值模型(2]。Iles等人通过研究普通股获得在证券市场上,财务杠杆的增加将导致股票价格上涨,以及它们之间有正相关(3]。Koyuncugil等人与企业融资的价值比率,通过定量计算,直观地显示了资本结构时,企业的性能达到最优水平数据(4]。朱等人提出了一个两级参数选择方法使用多目标优化方法选择的RBF(径向基函数)中央变量参数(5]。首先,GA(遗传算法)是用来减少预测误差,通过财务报告反映了公司的业务活动。FA产生的财务报告也可以发挥一定的作用,监督和控制公司管理反映经营活动。分析现状来预测公司财务危机将帮助我们做出早期预警的问题,这是伟大的现实意义在中国制造业上市公司的发展。
足协的工作范围包括英足总、马和会计业务。FA的会计过程在本质上是不同的,内容和管理方法。只有通过创新会计思维方式和符合经济发展的趋势,我们才能更好的完成会计工作的企业的经济活动在新标准下,这是企业适应经济发展的需要(6]。基于集成的两个仍然是理论上的,但并没有有效的方法。因此,有必要建立一个集成模型根据实际的理论,采取有效措施,促进两者的有效集成。本文的主要贡献如下:(1)本文的定量研究模型多目标和多因素资本结构对企业财务的影响性能建立了利用神经网络技术,并建立了神经网络预测模型进行分析。(2)在现有研究的基础上,本文结合了请和摘要,希望使用请方法实现预测指标的筛选,摘要实现建设和金融危机预警模型的中国公司。通过以上两个步骤,我们可以建立一个金融危机早期预警适合中国企业和预测率高。
2。相关工作
2.1。资本结构对财务业绩的影响
杜等人分析了资本结构对财务业绩的影响公司的财务杠杆的角度来看,结论是积极的(7]。高财务杠杆对应于一个高负债比率。负债比率越高,企业价值越大的资本市场和股票价格越高。相反,低。朱等人选择十nondeveloped经济体的数据作为样本进行定量研究资本结构(8]。其中,90%的国家数据用于定量研究,结论是该公司的债务水平对财务绩效有负面影响。妞妞等人认为,有一个积极的资产负债率和财务绩效指标之间的相关性通过定量研究,并指出资本结构在公司治理结构的优点9]。
代替等人通过定量研究发现一个递增函数,也就是说,之间的正相关关系,可以建立管理者的持股比例和企业的财务业绩10]。Rieg等人使用横截面回归方法研究上市公司财务杠杆和资本成本之间的关系。本文把负债划分为长期负债和短期负债,分别得出结论,企业的短期财务杠杆和企业的加权平均资本没有显示正则相关(11];通过定量研究,窦等人得出的结论是,资本结构对企业的财务绩效有负面影响,也就是说,当企业负债比率的增加,企业的价值减少(而不是12]。
2.2。研究神经网络应用程序
作为一个信息技术、神经网络建立非线性模型中起着重要的作用,尤其是摘要(BP神经网络)技术,已广泛应用于许多近年来研究。
日期等人提出了基于遗传算法的改进RBF算法在分类中的应用问题[13]。Yaseen等人提出了一种RBF神经网络优化算法的混合结构,这是通过使用菌落趋化作用获取网络隐层结构参数(14]。Azadbakht等人充分利用RBF正交最小二乘回归和分类复杂的数字,和核密度估计的正交回归。多目标非线性检测算法是基于对称的径向基函数(15]。班加罗尔等人优化RBF通过使用混合纯理论,并应用改进的RBF算法对金融时间序列预测(16]。
基于单变量的判断模型有明显的局限性,并导致金融危机的因素非常复杂。在后续的研究中,有关学者引入了多元的判断模型。多元判别方法弥补了单变量分析的不足,并能定量测量系统的整体性能。金等人建立了一个回归判别模型通过使用物流(17]。杨等人建立了一个基于卡尔曼滤波方法,人工神经网络模型,该模型的预测精度达到70%以上,这对风险管理(更有参考价值18]。玉等人提出了基于GA的摘要模型优化和研究结果表明,优化后的摘要模型能更好地预测金融危机(19]。易等人请和摘要技术用于实证研究,结果证实,请和神经网络是可行的在财务预警研究20.]。
3所示。方法
3.1。分析资本结构和财务表现
企业绩效和资本结构可能在一个复杂的方式相关。如果一个方程无法完全解释这一现象,应该制订一系列的方程;这就是所谓的联立方程模型。不完全合同理论认为,代理人和代理人之间的契约关系是不完整的,那经理和上级公司与股东的信息。经理负责业务运营决策,和他们的防御行为将影响业务如何制定财务战略,这将影响业务执行。
一般来说,一个公司的融资策略将决定其资本结构。公司的资本结构的组成和比例,宽或窄,是否由公司选择融资策略和分配。经济合作与发展组织(OECD)认为,股票研究与开发(R&D)活动是创造性的工作,和他们的意义在于提高我们人类的知识,文化,和社会生活,以及在利用这种新知识和技术生产的新发明。为了避免支付加权资本成本,权益资本的增加将完全抵消了减少债务融资。因此,企业股东所需的股本回报率也将上升。上述分析得出的结论,不存在最优资本结构,企业的加权资本成本保持不变。此外,企业价值并不必然与资本结构相关的实体。
性能不是一个特定的行为,而是一个特定行为的结果,以实现组织目标。按照中国会计准则、性能而不是行为是重要的。因为操作是指性能,本文需要的收益和回报的业务在操作时。防御管理动机导致经理作出决定,对自己有利,但可能并不总是实现公司的利益最大化。这将影响公司的业务运作方式,让股东的利益处于危险之中。因为大股东的股权关系直接影响公司的控制权和企业治理的权利,它对财务绩效有很大影响,特别是对公司。业务经理可以将信号发送给投资者通过选择资本结构,而强劲的企业业绩的公司可以做同样的通过增加他们的债务水平。
本文建立了逐步多元回归分析模型来测试的监管资本结构对研发投资的影响和业务性能。低级的资本结构是否能改善企业绩效的解释变量取代企业绩效 。控制变量包括企业规模、资本集中、企业成长、企业性质、和高管持股比例。本文构造一个模型:
其中,代表了净资产收益率;意味着资本结构;表示十大股东的持股比例作为替代变量的股权集中;代表企业的增长;表示控制变量;和代表了年度控制变量。
管理者的教育水平和文化背景可能会揭示一些复杂的信息。首先,一个人的教育水平可能是一个很好的指标,说明他们能掌握和管理知识和技能。第二,一个人的教育水平可能反映出他或她的价值观和精神能力。工作安全、高性能的研发项目可能会被搁置。因为有更少的所有者参与管理和这些机构的问题可能更严重的国有控股公司。偿债能力与资本结构负相关,这可能是由于高回报率的中小企业,但这也带来了一些风险高。之间存在显著的正相关公司规模和公司资本结构,说明公司规模越大,外部融资规模越大。
3.2。融合FA和马
3.2.1之上。神经网络的概述
神经网络的目标是模拟人脑和简化,以便它可以执行一些大脑功能的机器。随着人工智能的发展,现在执行更广泛的任务,包括感知功能。因为它的易用性,缺乏需要初始数据和预测精度高,摘要已成为最流行的神经网络。神经元是神经网络的最小单位。使用各种各样的神经元形成不同层次结构的神经网络,并连接不同的层次网络结构形成整体结构的神经网络。线性基函数是广泛应用于各种神经网络模型、多层感知器和Hopfield等。通过线性基函数的操作价值的中间神经元的计算结果如下公式所示。
在 - - - - - -维空间,线性基函数的超平面形状维度。
摘要模型通常使用反向误差传播算法,传输错误从输入层节点的数量的隐层节点之前完成传输从隐层到输出层。图1显示了摘要的结构。
在这个过程中,摘要模型将不断调整初始权值和阈值,希望合理预期范围内误差值。当这一目标实现时,学习过程结束。一般来说,误差的平方和函数期望输出和实际输出的区别如下: 在哪里我们的期望值是输出;是实际的输出;和表示输出层。
为输出层
隐层的
摘要利用技术具有以下优势:强大的容错;记忆恢复能力强;优秀的非线性映射能力,等。因此,目前,该技术主要用于风险预警和风险评估。
3.2.2。融合模型
为了建立一个共享金融服务中心,许多供应链企业必须重新设计他们的业务流程,改变他们的人员结构,改革管理体制机制。尽管两者的集成可以显著降低发生上述问题在现代企业的发展。然而,由于不同的角色和级别的权威,权威不当经常出现在日常工作中,这是马的主要原因和FA目前的集成挑战。
人力资源实践的能力与企业战略一致,包括整体人力资源结构的设计,直接决定了能否成功实现战略在战略执行阶段。作为一个结果,我们可以建立一个坚实的制度机制,强调马的工作功能,营造积极的管理环境。公司内部专业会计师的职责必须严格遵守所有的规则,规定和法律,提高职业道德,并接受持续的专业发展。以价值为导向的财务信息系统逐渐与马合并理论基于经济活动分析,在更深的层面上,解构混乱,共振,背离金融和经济活动的信息。马而FA必须工作在这个过程中,还必须进行一系列的分析和预测。
集成这两个过程中,我们可以及时提出解决方案,根据实际工作中存在的问题,完善相应的会计制度,并利用现有资源。从本质上讲,他们都是确认,计量,报告和控制变化的各种企业资源要素的产权和交易。对象的统一的客观原因是合并的FA和马。计算机化的背景下,相互整合MA和FA在财务报表更加明显。通过设计一个科学、规范和合理的计算机化过程,独占方式打开了会计主管,和马之间的交互和足总已经实现。
请(部分最小二乘法)是一种新的多变量数据的统计分析方法。请显然优于请和典型相关分析。它不仅可以消除数据之间的冗余信息来达到降维的目的,但也删除解释变量。多重共线性的副作用和响应变量在系统上可以综合运用多种多元统计分析方法,并简单的优点,健壮性、少量的计算,预测精度高,等。它可以建立一个更好的分析模型。
我们选择的训练函数是附加动量法。在纠正重量的情况下,我们调整了重量(或阈值)来匹配相应的原始的前一个值(阈值)。误差反向传播的过程中,检查因素权重和阈值的公式如下: 在哪里代表的培训时间,代表动力因素, 。
符号代表原始数据的协方差矩阵。原始数据标准化后,获得的协方差矩阵等于它的相关矩阵,如下公式所示:
根据施工条件请数学模型的参数矩阵需要一个正交矩阵,这个矩阵满足下列公式计算:
您可以添加动量项权重调整公式,某一层的权重矩阵表示和一定的输入向量层是由 ,和重量调整向量表达式包含动量词 在哪里被称为动量系数 。动量是一个全面的反映了之前积累的经验,可以减少错误的突然波动表面,提高训练速度。
为了加快收敛的过程,它是更合理的选择一个合适的学习速率对整个培训。可以设置初始学习速率。如果错误变得越来越小后体重调整,这种调整是有效的;否则,调整无效。
基于请和摘要,FA的融合模型和构造。请用于处理企业财务预警相关数据元素,和神经网络模型用于预测企业的财务状况。预测模型的结构设计如图2。
据马FA和集成模型的结构,请和摘要是用于企业财务预警,主要分析以下流程:(1)根据业务所需的财务预警指标,每个指标的数据元素所需的模型得到了公司的财务操作流程。(2)请用于计算原始数据按照相应的计算步骤。几个数据项计算的主要方向。(3)输出是一个原始数据项的线性组合,可以最大化不同的各个数据项之间的差异,而忽略了数据项与较小的差异。(4)使用训练数据组训练构造摘要模型,以及模型的训练需要达到设定精度,可以满足企业需求的财务状况的预警。(5)神经网络模型法官公司的财务状况,根据计算结果,并生成判决结果作为公司财务决策的基础。
4所示。实验和结果
分析应该从基本的描述性统计分析。本文使用过滤后的数据和所选的指标变量,并使用占据选定的500个样本进行描述性统计,显示样品如图的概况3。
可以看出,样本公司的最大企业性能研究是32%,平均值为11%,平均值大于0,这表明该公司的总体经营业绩很好。当然,这也可能影响企业研发数据的披露,和获得的数据的质量差,导致研究结果的差异。研究结果表明,研究对象的平均投资强度已经达到了3%,这表明所有选定的研究对象是代表创新型研发企业总体上和研究结论也有现实意义。
至于公司的性质,也就是说,大股东的性质,平均值是22%,这表明22%的样本是国有企业,77%是承担非国有企业。结合样本企业的整体良好的性能,结果表明,与国有企业相比,民营企业有强大的开发能力,中国应该提高国有企业的管理机制,提高它们的性能。这部分相关分析的目的是为了测试三个测量变量之间的相关性和资本结构管理固步自封。见表1相关分析的管理固步自封测量变量和资本结构。
可以看出,管理固步自封测量维度的变量之间的相关系数(经理特征、内部治理机制、市场环境)在这项研究中都小于0.3,表明它们之间几乎没有多重共线性。在每一个测量维度,研发投资也与资本结构负相关。当企业的负债比率高,企业开展研发活动的热情也会下降。
内部融资是融资的最安全的方法,因为它不仅保护了原有股东的利益,也阻碍了市场价值下降带来的外部融资。这是因为公司的管理更了解公司的操作的实际情况比外部投资者。有一定相关性的公司业绩变量和变量管理固步自封维度。其中,公司是负相关的性能与年龄、性别、工作时间,两份工作的分配,工作转换成本和经济繁荣指数。董事会的规模,董事的薪资,独立董事的比例,和多余的运营利润率都与公司业绩正相关。
5-10-1三层BP网络直接由MATLAB语言,和50个训练样本训练网络。培训公司是基于特定的摘要模型的预测结果。具体结果见图4原始数据:1投入训练神经网络预测10测试样本的财务状况,和具体结果如图4和5。
仍然有很多的竞争。其中,企业想要支持新开工项目,不断扩大现有的产业链,这也使他们的现金流。一个稳定的现金流很难失去快速扩张期间没有资本链,这将是几乎致命的业务。可能有一个最佳培训数量隐藏节点只在某些情况下提高概括。每个培训记录的均方根误差为了确定最好的训练时间。交替使用训练样本和测试样本进行训练。我们可以画出的均方误差两种不同类型的函数训练时间使用这两种类型的错误。
公司管理自己的能力在一个长期可持续的方式应该优先考虑在短期的经济效益,是目前可用的。重要的是要考虑业务你投资长期目标。因此,为了防止过度的现象双方的力量,公司应该首先创建一个适当的和有效的会计政策,指定角色的马和FA和执行各自的职责。其次,企业应该建立必要的规章制度,分析他们的工作流程和规范他们针对具体问题。通过使用马信息数据,企业和马集成也可以被纳入FA为了实现它们之间的实时信息和数据共享,减少不必要的中间业务操作链接,并提高加工效率。
本文研究用测试样本数据作为测试数据可以直接反映网络中适者生存的情况。此外,研究人员还使用80年遥感数据集来模拟网络的输出样本数据和比较计算错误。当研究人员使用sim()函数来研究网络仿真的输出,输出值和实际值之间的误差很小,这在一定程度上可以解释信用评级模型。一些测试样本的预测和实际值也研究了如表所示2。
直接从表中可以看出,错误率之间的预测值和实际值样本数据变得越来越小,这表明,资产管理的评价指标的模拟能力非常好,如图6。
对于大多数的预测数据,系统可以达到预期的效果,符合期望值。项目的一部分与预期结果不一致,主要是由于边界的计算值是不同的评价等级。由于计算过程中的错误,会有评估错误。一般来说,他们可以是一致的,有预期模型的预测效果,满足要求。这就要求企业不断探索在实际操作和合理构建非金融指标的量化体系。企业应采取的财务预警模型作为管理决策的工具,完全理解整体风险水平,不断克服现有模型的局限性,提高采购的整个过程,生产和销售实践经验,不断提高自己的独特的财务风险预警模型,充分发挥它的预警功能。
样本企业,企业资产负债率较低对ROE更有积极的影响比资产负债率高,即资本结构有一个温和的对净资产收益率的影响。如果股东选择债务融资,虽然可以传递一些金融风险而不影响公司的所有权结构,债权人将制定保护条款根据资本风险评估。
然而,在信息化的背景下,马商业目标应加强创新的目标,并提高二级目标的内容根据总体目标,以确保业务的经济效益。马信息时代的背景下,企业的目标应该把焦点放在企业利益,马和不同业务目标应制定不同的会计实体的发展需要不同经济实体的经济利益。使用50个样本的数据,回归预测,摘要,RBF,和本文中所开发的神经网络是用来预测数据,以及不同模型的预测结果如图所示7。
是简单的,考虑到公司的财务状况,摘要回归预测模型,该模型的集成精度测试区分50家样本公司的财务状况是70%,80%,和90%,分别。这表明这三个模型是适合公司的前两年的金融危机,显然是这个模型的准确性更高。神经网络的内部设计和这种非线性关系是惊人地相似。为了更准确地预测公司的金融危机,神经网络方法可以中小企业的复杂的内部结构。之间存在差距的回归模型和摘要预测金融危机的企业由于回归模型,在传统意义上,属于线性回归模型和线性模型有明显的局限性在预测的非线性关系。
金融分析师集成和分析产生的财务数据建立财务信息数据管理系统或系统的一部分,其在企业财务分析工作。他们也不断更新和完善财务管理系统按照信息技术时代的进步或系统。简单的会计记账和报销方法不能满足企业管理者的需求决定企业在目前的经济气候。金融专业人士应该学会适应他们的想法在大数据时代,不断提高自己的专业技能,同时保证足够的基础知识储备。
5。结论
在数据时代,专业分工不断细化,资源要素流动迅速,企业的传统角色将变得模糊,位置会更战略性和前瞻性。因此,根据市场经济的发展的要求,企业应充分整合的优势FA和马在信息化的基础上,建立健全财务管理制度和管理体系。摘要,请选择和摘要利用模型预测方法,构造和FA和马融合模型。在了解公司的财务状况的前提下,全面回归预测模型的准确率摘要和摘要模型50个测试样本公司的财务状况是70%,80%,和90%,分别表明,这三种模型对公司的金融危机几乎没有影响,和前两年的预测更准确。最后,研究结果还表明,神经网络模型在研究中样本歧视能力较好,能更准确地反映企业的财务状况。请和摘要利用模型预测的预期评价结果与实际结果基本上是一致的,但在这项研究中仍存在一些缺陷:由于有限的样本数据,数据不足的适度风险和高风险,摘要的培训不足,和样本结果错误地判断了。在进一步的研究中,我们将努力实现足够的训练,预测精度高。
数据可用性
使用的数据来支持本研究的发现可以从相应的作者。
的利益冲突
作者没有任何可能的利益冲突。