一、引言
　　財務(wù)預(yù)警是以企業(yè)的財務(wù)報表、經(jīng)營計劃及其他相關(guān)會計資料為依據(jù)，利用財會、統(tǒng)計、金融、企業(yè)管理、市場營銷理論，采用比率分析、比較分析、因素分析及多種統(tǒng)計方法與非統(tǒng)計的方法，對企業(yè)的經(jīng)營活動、財務(wù)活動等進行分析預(yù)測，以發(fā)現(xiàn)企業(yè)在經(jīng)營管理活動中潛在的經(jīng)營風(fēng)險和財務(wù)風(fēng)險，并在危機發(fā)生之前向企業(yè)經(jīng)營者發(fā)出警告，督促企業(yè)管理當局采取有效措施，避免潛在的風(fēng)險演變成損失的行為。財務(wù)預(yù)警的思想源于1915年哈佛大學(xué)珀森斯教授編制的“經(jīng)濟晴雨表”，該項研究試圖對經(jīng)濟波動進行定量分析。本文運用新型的數(shù)據(jù)挖掘工具——粗糙集中的“屬性約簡算法”對我國電力企業(yè)財務(wù)預(yù)警模型進行研究。
　　二、電力企業(yè)財務(wù)預(yù)警實證分析
　?。ㄒ唬┴攧?wù)預(yù)警指標的選取
　　對于電力企業(yè)而言，財務(wù)預(yù)警指標的設(shè)計不但應(yīng)能全面反映企業(yè)的償債能力、營運能力、盈利能力、成長能力和現(xiàn)金流量信息等各方面的財務(wù)狀況，同時還需要考慮到電力企業(yè)自身的“行業(yè)屬性”，在傳統(tǒng)的指標體系基礎(chǔ)之上，剔除那些對電力企業(yè)而言意義不大的指標，保留或增加一些行業(yè)特有的、重要的財務(wù)指標，以保持項目之間的系統(tǒng)性和相互聯(lián)系性。
　　本文按照以下標準選擇財務(wù)危機預(yù)警指標：指標在以前文獻中出現(xiàn)的頻率；指標與電力上市公司的相關(guān)性；指標數(shù)據(jù)的可獲得性。通過對近年來財務(wù)預(yù)警研究領(lǐng)域的大量研究成果進行了梳理后，結(jié)合前文所述中國電力行業(yè)的特點，考慮到指標對財務(wù)狀況變動的代表性、超前性、靈敏性、全面性以及數(shù)據(jù)收集的及時性等基本原則，選取了20個不同的財務(wù)指標（見表1）來反映企業(yè)的償債能力、營運能力、盈利能力、成長能力、現(xiàn)金流量能力以及在股票市場的活躍程度。
　?。ǘ┗诨バ畔⒌膶傩院喖s
　　本文選擇中國深滬兩市電力板塊的53家上市企業(yè)的328個有效財務(wù)狀況數(shù)據(jù)作為樣本。為實現(xiàn)預(yù)警功能，選取樣本企業(yè)t-1年的財務(wù)數(shù)據(jù)作為條件屬性C，而選擇t年的危機狀況（是否被ST）作為與之對應(yīng)的決策屬性D。按照上述財務(wù)指標，即條件屬性集C={資產(chǎn)負債率，利息保障倍數(shù)，流動比率，速動比率，每股收益，主營業(yè)務(wù)凈利率，凈資產(chǎn)收益率，總資產(chǎn)利潤率，流動資產(chǎn)周轉(zhuǎn)率，總資產(chǎn)周轉(zhuǎn)率，凈利潤增長率，主營業(yè)務(wù)毛利率，固定資產(chǎn)周轉(zhuǎn)率，應(yīng)收賬款周轉(zhuǎn)率，主營業(yè)務(wù)收入增長率，凈利潤增長率，銷售現(xiàn)金比率，托賓Q，市盈率，市凈率}。決策屬性集僅包含一個指標D={企業(yè)危機狀況}，其取值包括危機（ST）、健康（非ST）兩種情況。
　　確定條件屬性和決策屬性后，將連續(xù)型條件屬性轉(zhuǎn)換為離散型，以方便應(yīng)用粗糙集方法。具體做法是：指出需離散化的條件屬性；設(shè)置該屬性的離散化個數(shù)，本文設(shè)為3，即每個指標均分為高、中、低三段；算法遍歷屬性取值，找出邊界值，即最大值和最小值，用最大值與最小值的差值除以離散化個數(shù)，得到等分的距離；按等分距離實施對連續(xù)屬性的簡單離散化操作，依據(jù)屬性值落入的區(qū)間，將其標識為高、中或低。
　　連續(xù)屬性離散化之后，為提高算法效率，在不過分影響約簡屬性集信息量的前提下，將算法終止條件設(shè)定為I（B；D）=0.9I（C；D）。調(diào)用基于互信息的屬性約簡算法（java語言在eclipse環(huán)境下實現(xiàn)的編碼），得到C對于D的約簡屬性集B={流動比率，資產(chǎn)負債率，利息保障倍數(shù)，凈資產(chǎn)收益率，主營業(yè)務(wù)毛利率，流動資產(chǎn)周轉(zhuǎn)率，總資產(chǎn)周轉(zhuǎn)率，凈利潤增長率，應(yīng)收賬款周轉(zhuǎn)率，市凈率}。易知B包含10個屬性，極大精簡了條件屬性個數(shù)。
　?。ㄈ┮?guī)則的生成
　　屬性約簡之后，得到了包含67條記錄的決策系統(tǒng)，并可根據(jù)其中的每一個樣本可以形成一條決策規(guī)則。對于規(guī)則集合中某條規(guī)則的某一條件屬性，如果去掉該條件屬性，該規(guī)則不和規(guī)則集合中的其他規(guī)則沖突，則可以從該規(guī)則中去掉該條件屬性。經(jīng)過這樣的屬性值約簡，得到的最終的沒有冗余的規(guī)則集。為了提高預(yù)警規(guī)則的有效性，按照以下條件進行過濾：acc(α→β)≥0.95，cov(α→β)≥0.05，sup(α→β)≥4，最終篩選出11條規(guī)則。
　?。ㄋ模╊A(yù)警結(jié)果的檢驗
　　為驗證規(guī)則的有效性，我們從ST類電力上市公司中隨機抽取5家公司作為危機公司樣本，選擇21家健康公司作為樣本進行檢驗。仿真得到的結(jié)果見表2。
　　如表2所示，通過采用粗糙集建立的11條規(guī)則對檢驗樣本的仿真，該模型的綜合判斷率達到了88.5%，判斷正確個數(shù)為23個。其中，健康企業(yè)判斷正確率達到90.5%，而有1個危機企業(yè)樣本判斷錯誤。
　　三、結(jié)論
　　本文以電力企業(yè)財務(wù)指標選擇為基礎(chǔ)，運用粗糙集數(shù)據(jù)挖掘技術(shù)，對若干財務(wù)指標進行約簡，進而兼顧客觀實際和主觀因素的雙重影響，構(gòu)建財務(wù)危機預(yù)警模型（規(guī)則）。該理論體系完備，應(yīng)用簡單方便，是適合“大樣本，多指標”的一種較好的方法，為企業(yè)財務(wù)危機預(yù)警提供了新的思路。
　　
　　參考文獻:
　　①張友棠．財務(wù)預(yù)警系統(tǒng)管理研究[M]，北京：中國人民大學(xué)出版社，2004
　?、赑awlak Z．Rough Set[J]．International Journal of Computer and Information Science，1982，11（5）：341-356
　　③劉清．Rough集及Rough推理[M]，北京：科學(xué)出版社，2001
　?。ㄧ娪澹拇ㄊ‰娏景喂荆?br/>