湯?；?/p>

摘要：隨著經(jīng)濟(jì)的快速發(fā)展，財(cái)務(wù)危機(jī)預(yù)警在企業(yè)中發(fā)揮著重要的作用。正是由于財(cái)務(wù)危機(jī)預(yù)警的重要性，對(duì)其的研究也逐漸成為企業(yè)重要的活動(dòng)。根據(jù)各行業(yè)之間的不同特征建立相應(yīng)的指標(biāo)體系和模型成為了研究過程中的一大重點(diǎn)。文章簡(jiǎn)單介紹了財(cái)務(wù)危機(jī)預(yù)警，根據(jù)醫(yī)藥企業(yè)的特征，構(gòu)建了醫(yī)藥企業(yè)財(cái)務(wù)預(yù)警指標(biāo)體系；并在此基礎(chǔ)上，運(yùn)用支持向量機(jī)（SVM）建立了其財(cái)務(wù)預(yù)警模型，最后對(duì)其模型進(jìn)行測(cè)試和實(shí)證分析。

關(guān)鍵詞：SVM；醫(yī)藥企業(yè)；財(cái)務(wù)危機(jī)預(yù)警

根據(jù)各行業(yè)間的不同特征，由于市場(chǎng)的特殊性以及研發(fā)的難易程度，使醫(yī)藥企業(yè)處在典型的“三高”行業(yè)中，其風(fēng)險(xiǎn)、投入、收益都高于其他行業(yè)。與其他企業(yè)相比，在醫(yī)藥企業(yè)中，其利益相關(guān)者更為重視企業(yè)日常的財(cái)務(wù)狀況，更為迫切地需要進(jìn)行財(cái)務(wù)危機(jī)預(yù)警。

根據(jù)以往已有的文獻(xiàn)中，許多學(xué)者建立了一些財(cái)務(wù)危機(jī)預(yù)警模型，例如：神經(jīng)網(wǎng)絡(luò)模型、對(duì)比數(shù)列模型、一元判定模型、多元線性判定模型等，但這些已建立的模型，存在著判斷精度不夠、樣本容量較大、假設(shè)存在局限性等問題。本文為了彌補(bǔ)以上模型存在的缺陷，選用SVM建立了醫(yī)藥企業(yè)財(cái)務(wù)危機(jī)預(yù)警模型，并對(duì)此進(jìn)行了實(shí)證分析。

一、醫(yī)藥企業(yè)財(cái)務(wù)危機(jī)預(yù)警指標(biāo)體系

（一）醫(yī)藥企業(yè)的基本概況

目前，我國(guó)已有近萬家醫(yī)藥企業(yè)，其中有一半以上通過了GMP認(rèn)證。近幾十年來，醫(yī)藥行業(yè)一直快速發(fā)展，但在行業(yè)中醫(yī)藥企業(yè)存在著一些問題，主要表現(xiàn)在以下幾個(gè)方面，一是在行業(yè)中，醫(yī)藥企業(yè)的數(shù)量較多但是規(guī)模都相對(duì)較小。二是由于醫(yī)藥企業(yè)處在高投入的行業(yè)中，一直面臨著創(chuàng)新和研發(fā)的壓力。但在我國(guó)的醫(yī)藥行業(yè)中，企業(yè)對(duì)創(chuàng)新和研發(fā)的投入力度不夠，大概每年的投入額只占銷售額的2%左右。三是對(duì)于醫(yī)藥企業(yè)的產(chǎn)品銷售較單一，由于該行業(yè)對(duì)產(chǎn)品銷售的嚴(yán)格把控，這些醫(yī)藥品通常是經(jīng)過醫(yī)藥企業(yè)—各個(gè)經(jīng)銷商—醫(yī)院或藥店—病人這單一的渠道進(jìn)行銷售的。除此之外，在這單一的銷售渠道中，往往還存在著一些違規(guī)的銷售行為，導(dǎo)致醫(yī)藥企業(yè)的銷售費(fèi)用增加。四是隨著醫(yī)藥品的成本在逐漸增加，再加上各企業(yè)間的競(jìng)爭(zhēng)，使得部分醫(yī)藥企業(yè)的經(jīng)濟(jì)效益較低。

高風(fēng)險(xiǎn)是醫(yī)藥企業(yè)的一大特征，主要體現(xiàn)在財(cái)務(wù)、經(jīng)營(yíng)、技術(shù)創(chuàng)新三個(gè)方面，其中技術(shù)創(chuàng)新風(fēng)險(xiǎn)是最為主要的。主要是因?yàn)樵撔袠I(yè)的特殊性，在對(duì)某種新藥進(jìn)行資金投入后，未來一段時(shí)間內(nèi)發(fā)生的事情都具有不確定性，例如，新藥專利權(quán)的取得具有不確定性；研發(fā)成功后所達(dá)到的效果具有不確定性；新藥的壽命具有不確定性等。這一特征直接影響著醫(yī)藥企業(yè)的發(fā)展。

（二）財(cái)務(wù)危機(jī)預(yù)警指標(biāo)體系的建立

財(cái)務(wù)危機(jī)預(yù)警是指企業(yè)根據(jù)財(cái)務(wù)報(bào)表等相關(guān)會(huì)計(jì)資料，結(jié)合會(huì)計(jì)、企業(yè)管理等方面的理論，設(shè)置相關(guān)的預(yù)警指標(biāo)，并通過各種相關(guān)方法分析預(yù)警指標(biāo)的變化，通過這些變化來對(duì)企業(yè)的經(jīng)營(yíng)和財(cái)務(wù)活動(dòng)進(jìn)行預(yù)測(cè)，進(jìn)而發(fā)現(xiàn)企業(yè)可能面臨的財(cái)務(wù)危機(jī)，并在發(fā)生之前給予警告，以便企業(yè)及時(shí)采取相應(yīng)的措施。結(jié)合已有的文獻(xiàn)，多數(shù)學(xué)者主要選取盈利能力、償債能力、營(yíng)運(yùn)能力和現(xiàn)金能力作為該體系的指標(biāo)。對(duì)于醫(yī)藥企業(yè)，在選取以上指標(biāo)的基礎(chǔ)上，結(jié)合醫(yī)藥企業(yè)高風(fēng)險(xiǎn)的特征以及銷售渠道的特殊性，還應(yīng)考慮發(fā)展能力和風(fēng)險(xiǎn)水平這兩個(gè)指標(biāo)。本文在遵循相關(guān)原則的基礎(chǔ)上，建立了如下的醫(yī)藥企業(yè)財(cái)務(wù)危機(jī)預(yù)警指標(biāo)體系。

1. 償債能力：X1流動(dòng)比率；X2速動(dòng)比率；X3資產(chǎn)負(fù)債率；

2. 營(yíng)運(yùn)能力：X4總資產(chǎn)周轉(zhuǎn)率；X5存貨周轉(zhuǎn)率；X6應(yīng)收賬款周轉(zhuǎn)率；

3. 盈利能力：X7銷售凈利潤(rùn)率；X8營(yíng)業(yè)毛利率；X9成本費(fèi)用利潤(rùn)率；

4. 現(xiàn)金能力：X10每股現(xiàn)金流；X11現(xiàn)金股份支付率；

5. 發(fā)展能力：X12凈利潤(rùn)增長(zhǎng)率；X13總資產(chǎn)增長(zhǎng)率；

6. 風(fēng)險(xiǎn)水平：X14財(cái)務(wù)杠桿系數(shù)。

二、基于SVM的醫(yī)藥企業(yè)財(cái)務(wù)危機(jī)預(yù)警模型

（一）SVM原理

SVM是由Vapnik等提出的一種新的機(jī)器學(xué)習(xí)方法，它是在結(jié)構(gòu)風(fēng)險(xiǎn)最小的基礎(chǔ)上，根據(jù)選取的樣本數(shù)據(jù)，在相應(yīng)的模型中尋找最優(yōu)的平衡點(diǎn)。該種方法會(huì)避免過于擬合的問題發(fā)生，在解決小樣本、非線性等問題上有著特有的優(yōu)勢(shì)，而且彌補(bǔ)了傳統(tǒng)方法假設(shè)存在局限性、樣本容量大等缺陷，是一種值得推廣的學(xué)習(xí)方法。

SVM方法是需要建立一個(gè)最優(yōu)的分類面，用此分類面將樣本劃分為兩大類，但并不是簡(jiǎn)單地將此分為兩類，即一個(gè)超平面H：wx+b=0，將樣本總體D={xi，yi|i=1，2，… ，n}（x∈Rp，y∈Rq），正確分開，且分開的兩類集合應(yīng)與超平面之間的距離到達(dá)最遠(yuǎn)，這樣才能使風(fēng)險(xiǎn)最小。對(duì)于線性的樣本（xi，yi），i=1，2，…，n，在建立最優(yōu)分類面時(shí)可以用如下方法進(jìn)行描述：

min ||W||=min WTW s.t. yi[（w·xi）+b]-1≥1 i=1，2，…，n

引入Lagrange系數(shù)αi，并對(duì)上述公式進(jìn)行對(duì)偶得到：

max αi- αiαjyiyj（xixj） s.t. yiαi=0，αi>0，i=1，2，…，n

對(duì)上述公式進(jìn)行求解得到相應(yīng)的決策函數(shù)：

f（x）=sgn{ αiyi（x·xi）+b} 其中sgn為符號(hào)函數(shù)，b為分類閾值。

對(duì)于非線性，可以通過符合條件的核函數(shù)將非線性轉(zhuǎn)化成高維的特征空間來取得最優(yōu)分類面，在這一轉(zhuǎn)化中得出相應(yīng)的決策函數(shù)：

f（x）=sgn{ αiyi K（x·xi）+b}

（二）SVM模型核函數(shù)的選擇

通常情況下，對(duì)于醫(yī)藥企業(yè)的經(jīng)濟(jì)活動(dòng)，呈現(xiàn)的是非線性問題，則需要選擇合適的核函數(shù)將其進(jìn)行轉(zhuǎn)換。常用的核函數(shù)有：

1. 線性核函數(shù)：K（Xi，Xj）=XiTXj；

2. Polynomial核函數(shù)：K（Xi，Xj）=（θXiTXj+r）d ，θ>0；endprint

3. RBF徑向基函數(shù)：K（Xi，Xj）=exp（-θ|xi-xj|2），θ>0；

4. Sigmiod核函數(shù)：K（Xi，Xj）=tanh（θXiTXj+r）

其中，θ、r、d均為參數(shù)。

（三）SVM模型的參數(shù)選擇

對(duì)于參數(shù)的選擇，其實(shí)是對(duì)已有的模型進(jìn)行優(yōu)化的一個(gè)過程。本文選擇了RBF核函數(shù)對(duì)其進(jìn)行轉(zhuǎn)換，選擇交叉驗(yàn)證法進(jìn)行參數(shù)選擇對(duì)其模型進(jìn)行優(yōu)化，最終得到醫(yī)藥企業(yè)財(cái)務(wù)預(yù)警模型的決策函數(shù)：

f（x）=sgn{ αiyi K（x·xi）+b}

三、實(shí)證分析

（一）樣本選擇

為了數(shù)據(jù)的可獲取性，本文選擇了深滬兩市的醫(yī)藥企業(yè)作為樣本，對(duì)其進(jìn)行數(shù)據(jù)分析。數(shù)據(jù)主要來源于國(guó)泰安數(shù)據(jù)庫。本文選擇了30家醫(yī)藥企業(yè)作為樣本，其中包括18家ST公司，12家非ST公司。ST公司是指財(cái)務(wù)狀況出現(xiàn)異常的企業(yè)；非ST是指財(cái)務(wù)正常的企業(yè)。對(duì)于選擇的30家醫(yī)藥企業(yè)，將其中的18家作為訓(xùn)練樣本，12家作為驗(yàn)證樣本。對(duì)于取得的30家財(cái)務(wù)數(shù)據(jù)進(jìn)行輸入，將輸出結(jié)果用1和-1進(jìn)行表示，即-1為ST公司，1為非ST公司。根據(jù)選取的樣本，建立相應(yīng)的模型，并進(jìn)行訓(xùn)練和測(cè)試，最終達(dá)到預(yù)警的作用。

（二）模型訓(xùn)練

本文選取了RBF核函數(shù)和交叉驗(yàn)證法對(duì)模型進(jìn)行訓(xùn)練。運(yùn)用相關(guān)的軟件對(duì)選取的訓(xùn)練樣本數(shù)據(jù)進(jìn)行優(yōu)化訓(xùn)練，通過RBF核函數(shù)轉(zhuǎn)化非線性關(guān)系，確定其所需要的參數(shù)：Langerange乘數(shù)αi、分類閾值b。在上述樣本的選擇中，18家作為訓(xùn)練樣本，其中12家是ST企業(yè)，6家是非ST企業(yè)，根據(jù)實(shí)際的訓(xùn)練情況，實(shí)際值和預(yù)測(cè)值是一致的，且ST企業(yè)和非ST企業(yè)的訓(xùn)練精確度均為100%。

（三）驗(yàn)證分析

通過對(duì)樣本數(shù)據(jù)進(jìn)行訓(xùn)練得到的核函數(shù)和參數(shù)，對(duì)選取的驗(yàn)證樣本進(jìn)行測(cè)試，其驗(yàn)證結(jié)果如下，驗(yàn)證樣本為12家企業(yè)，實(shí)際值與預(yù)測(cè)值一致。其中，ST企業(yè)為6家，精確度為100%；非ST企業(yè)為6家，精確度為90%，最終的精確度95%。也就是說，對(duì)于該模型來說，在操作過程中不會(huì)把ST公司誤認(rèn)為非ST公司；而有10%的概率會(huì)把非ST公司當(dāng)作為ST公司。出現(xiàn)這種情況的原因，可能是因?yàn)橐恍┘磳⒚媾R危機(jī)的公司為了不讓被作為特別處理的對(duì)象，對(duì)本企業(yè)對(duì)外所公示的財(cái)務(wù)報(bào)表進(jìn)行了修改，以致于該模型在判斷時(shí)出現(xiàn)此類誤差。

另外，該模型僅將財(cái)務(wù)正常的康恩貝企業(yè)錯(cuò)判為出現(xiàn)財(cái)務(wù)危機(jī)的企業(yè)，對(duì)于可能出現(xiàn)危機(jī)的6家企業(yè)都預(yù)測(cè)正確。對(duì)于任何一個(gè)企業(yè)，如果預(yù)測(cè)結(jié)果為-1，則說明該企業(yè)有91.67%（11/12）的概率在兩年之后會(huì)出現(xiàn)財(cái)務(wù)危機(jī)，會(huì)被視為特別處理的對(duì)象；如果預(yù)測(cè)結(jié)果為1，則說明該企業(yè)在兩年之后不會(huì)出現(xiàn)財(cái)務(wù)危機(jī)，可以正常經(jīng)營(yíng)和發(fā)展。通過該結(jié)果可以看出，該模型對(duì)醫(yī)藥企業(yè)的財(cái)務(wù)預(yù)警精確度較高，可以較為準(zhǔn)確的判斷出醫(yī)藥企業(yè)的財(cái)務(wù)狀況。

四、結(jié)語

目前，對(duì)醫(yī)藥企業(yè)財(cái)務(wù)預(yù)警的研究較少，本文是在財(cái)務(wù)預(yù)警指標(biāo)體系的基礎(chǔ)上建立的SVM模型。通過該模型對(duì)醫(yī)藥企業(yè)預(yù)警的結(jié)果表明，在訓(xùn)練樣本中的精確度為100%，說明該模型的學(xué)習(xí)能力非常強(qiáng)；在驗(yàn)證樣本中的精確度為95%，說明該模型推廣能力較好。綜上，SVM模型能夠準(zhǔn)確預(yù)測(cè)和判斷醫(yī)藥企業(yè)的財(cái)務(wù)狀況，能夠彌補(bǔ)傳統(tǒng)方法假設(shè)限制、樣本量的缺陷，能夠解決一些非線性的問題。因此，SVM模型作為一種新的學(xué)習(xí)方法，可以將其運(yùn)用在各個(gè)行業(yè)中，對(duì)企業(yè)的財(cái)務(wù)預(yù)警具有較高的實(shí)用性，可以將其加以推廣。

參考文獻(xiàn)：

[1]朱發(fā)根，劉拓，傅毓維.基于SVM的高新技術(shù)企業(yè)財(cái)務(wù)危機(jī)預(yù)警研究[J].科技進(jìn)步與對(duì)策，2009（06）.

[2]楊濤.基于SVM的中國(guó)醫(yī)藥制造企業(yè)財(cái)務(wù)危機(jī)預(yù)警研究[D].廈門大學(xué)，2009.

[3]李勛.淺議企業(yè)財(cái)務(wù)危機(jī)預(yù)警[J].財(cái)務(wù)管理，2015（09）.

（作者單位：江西百神醫(yī)藥有限公司）endprint