財務(wù)內(nèi)控信息化方法探索

序言：作為思想的載體和知識的探索者，寫作是一種獨特的藝術(shù)，我們?yōu)槟鷾蕚淞瞬煌L格的1篇財務(wù)內(nèi)控信息化方法探索，期待它們能激發(fā)您的靈感。

摘要:采用目前方法對企業(yè)財務(wù)信息進行控制時，未考慮降維處理財務(wù)信息，導致財務(wù)內(nèi)控的信息化建設(shè)受數(shù)據(jù)維數(shù)的影響較大，存在Kappa系數(shù)和特征貢獻率低的問題。為此提出財務(wù)內(nèi)控信息化方法探索。采用加權(quán)距離度量測度方法，降維處理財務(wù)信息，抑制干擾樣本點并充分發(fā)揮樣本點的貢獻。通過自適應權(quán)重聚類算法，對降維處理后的財務(wù)數(shù)據(jù)進行聚類處理，獲得譜系聚類樹狀圖，實現(xiàn)企業(yè)財務(wù)內(nèi)控信息化。實驗結(jié)果表明，所提方法財務(wù)內(nèi)控的信息化建設(shè)受數(shù)據(jù)維數(shù)的影響較小，Kap-pa系數(shù)和特征貢獻率較高。

關(guān)鍵詞:企業(yè)管理；財務(wù)內(nèi)控；信息化建設(shè)；自適應權(quán)重聚類算法

1引言

企業(yè)在競爭激烈的市場中通常面臨著內(nèi)部資源協(xié)調(diào)和外部環(huán)境變化的問題。企業(yè)是在內(nèi)部協(xié)調(diào)性的基礎(chǔ)上，實現(xiàn)外部環(huán)境的適應[1]。財務(wù)內(nèi)部控制是大部分企業(yè)中最基本的工作內(nèi)容，可以完善企業(yè)制定的經(jīng)營目標，提高企業(yè)日常的經(jīng)營效率和經(jīng)營效果。在企業(yè)財務(wù)管理實際情況的基礎(chǔ)上，控制財務(wù)信息，可以提高管理和經(jīng)營水平[2]，完成進度和實施狀況，降低多余開支，避免發(fā)生風險。文獻[3]提出基于樸素貝葉斯分類法的財務(wù)內(nèi)控方法，通過樸素貝葉斯分類方法構(gòu)建財務(wù)信息分類模型，對相關(guān)因素對應的聯(lián)合概率進行計算，分類處理財務(wù)信息，實現(xiàn)財務(wù)內(nèi)控。該方法在特征提取過程中容易受到高維數(shù)據(jù)的影響，導致提取的特征貢獻率較低。文獻[4]提出西班牙地方政府網(wǎng)絡(luò)財務(wù)信息披露與內(nèi)部控制，以西班牙地方政府為研究對象，探討內(nèi)部控制結(jié)構(gòu)對互聯(lián)網(wǎng)財務(wù)信息披露的影響。采用實證分析結(jié)合描述性和解釋性兩個方面，分析內(nèi)部控制制度影響西班牙網(wǎng)站上財務(wù)信息問題。使用多元模型，驗證地方政府內(nèi)部控制解釋變量預測能力。該方法在數(shù)據(jù)特征提取過程中未考慮數(shù)據(jù)之間存在的減弱效應和增強效應，存在Kappa系數(shù)低的問題。針對上述問題，提出財務(wù)內(nèi)控信息化方法探索。

2財務(wù)信息降維處理

在處理財務(wù)數(shù)據(jù)時，如果財務(wù)數(shù)據(jù)在最近鄰搜索階段中是均勻分布的，可以用概率分布中心對每個財務(wù)數(shù)據(jù)進行描述[5]。當財務(wù)數(shù)據(jù)樣本點不均勻分布時，在小區(qū)域內(nèi)財務(wù)數(shù)據(jù)密度會出現(xiàn)急劇變化，如圖1所示。圖1中，Х描述的是中心點，小圓圈描述的是鄰近點，如果在上述近鄰點的基礎(chǔ)上建立相似度量矩陣，獲取的信息屬于單一方向的，此時會出現(xiàn)嚴重的冗余。如果采用上述信息重建中心時，重建中心無法通過選擇的鄰近點進行描述，對財務(wù)信息進行NPE降維處理后，大部分財務(wù)信息會丟失本質(zhì)結(jié)構(gòu)和內(nèi)在特征[6]。圖基于加權(quán)距離虛線和歐氏距離實線的ε近鄰選擇企業(yè)管理與財務(wù)內(nèi)控的信息化方法采用加權(quán)距離度量測度方法對財務(wù)信息進行降維處理，主要思想是通過財務(wù)數(shù)據(jù)點周圍存在的樣本點的分布確定距離函數(shù)，能夠抑制干擾樣本點的同時充分發(fā)揮樣本點的貢獻。企業(yè)中存在的財務(wù)信息數(shù)量巨大，維數(shù)較高，為了實現(xiàn)財務(wù)內(nèi)控的信息化，需要將企業(yè)管理中存在的高維財務(wù)信息轉(zhuǎn)變?yōu)榈途S信息：

（一）加權(quán)距離

設(shè)定原始高維財務(wù)數(shù)據(jù)集X=[x1,x2,…,xi]，其中，xiRD表示財務(wù)數(shù)據(jù)點。

（1）對xi與周圍近鄰點之間的標準歐式距離進行比較，獲得基于歐式距離的參數(shù)kw個鄰近。

（2）設(shè)海量高維向量相似度代表的是vit高維索引的平均值；海量低維向量相似度代表的是vil低維索引對應的平均值，可通過下述公式計算得到：3）設(shè)置隨機向量G=D(a,b,)，其中，參數(shù)a、b、可通過下述公式計算得到：

（二）尋找近鄰點

尋找財務(wù)數(shù)據(jù)點xi基于加權(quán)距離的參數(shù)k個近鄰點。

（1）設(shè)Dist(xj,xi)代表的是財務(wù)數(shù)據(jù)xi與xj之間存在的加權(quán)距離，其計算公式如下：

（2）根據(jù)上述過程計算得到的加權(quán)距離，尋找財務(wù)數(shù)據(jù)xi的k個最近鄰xi1,xi2,…,xik。

（三）最優(yōu)重建權(quán)值矩陣

（1）設(shè)C為局部協(xié)方差矩陣Ci=(xi-xj)T(xi-xj)，其中，T為轉(zhuǎn)置矩陣。

（2）通過Ci(j,k)←Ci(j,k)+ηi對局部協(xié)方差矩陣進行調(diào)整，其中ηi代表的是拉格朗日乘子。

（3）通過下述公式對權(quán)值系數(shù)進行重建：

（四）計算低維映射

（1）設(shè)M代表的是對稱矩陣，其表達式為M=(I-W)T(I-W)，其中，矩陣I由重建的數(shù)據(jù)構(gòu)成。

（2）對XMXTA=XXTA的特征向量和特征值進行計算。

（3）根據(jù)上述計算結(jié)果得到d個財務(wù)信息非零最小特征值的特征向量，即為投影矩陣，通過投影矩陣將高維財務(wù)信息轉(zhuǎn)變?yōu)榈途S財務(wù)信息。

3財務(wù)內(nèi)控信息化

企業(yè)管理與財務(wù)內(nèi)控的信息化方法對降維處理后的財務(wù)信息進行聚類處理，根據(jù)聚類結(jié)果對財務(wù)信息進行控制，實現(xiàn)財務(wù)內(nèi)控。

（1）設(shè)dij(AQED)代表的是數(shù)據(jù)i和數(shù)據(jù)j之間存在的絕對距離，其計算公式如下：式中，dij(AQED)描述的是在時期T內(nèi)數(shù)據(jù)i和數(shù)據(jù)j之間的距離遠近程度；xikt代表的是在t時期內(nèi)數(shù)據(jù)i中存在的第k個指標對應的值。設(shè)dij(ISED)代表的是數(shù)據(jù)i和數(shù)據(jù)j之間存在的增速距離，其計算公式如下：式中，dij(ISED)為財務(wù)數(shù)據(jù)i和財務(wù)數(shù)據(jù)j對應指標在時間變化下的增量趨勢差異；xikt、xjkt均描述的是絕對量差異[7]。設(shè)dij(VCED)代表的是數(shù)據(jù)i和數(shù)據(jù)j之間存在的波動距離，其計算公式如下：式中，dij(VCED)描述的是隨時間的變化在T時期內(nèi)數(shù)據(jù)i和數(shù)據(jù)j之間的波動程度差異；xik代表的是在總時期T內(nèi)數(shù)據(jù)i中第k個指標的均值；Sik代表的是在總時期T內(nèi)數(shù)據(jù)i中第k個指標的標準差。

（2）根據(jù)距離類型的重要性偏好以及研究者對客觀事務(wù)的認識對主觀權(quán)重系數(shù)進行計算。

（3）通過下述公式對三種距離對應的客觀熵權(quán)系數(shù)進行計算。對D=(dij)N×k進行歸一化處理，計算特征比重pij：設(shè)ej代表的是第j個財務(wù)數(shù)據(jù)指標對應的熵值，可通過下述公式計算得到：設(shè)代表的是第j個財務(wù)數(shù)據(jù)指標對應的客觀權(quán)重[8]，可通過下式計算得到：

（4）通過下式計算N個財務(wù)信息兩兩之間存在的綜合距離，獲得財務(wù)信息之間的距離矩陣D：（11）式中，zdij(AQED)、zdij(ISED)、zdij(VCED)分別代表的是標準化變換后距離dij(AQED)、dij(ISED)和dij(VCED)對應的值。

（5）初始財務(wù)信息自成一類，k=N描述的是類的數(shù)量，令D(1)=D(0)，第i個類Gi={X(i)}(i=1,2,…,N)，令財務(wù)信息X(i)(i=1,2,…,N)執(zhí)行以下兩個步驟。

（6）針對距離矩陣D(i-1)，新類別由綜合距離最小的兩類財務(wù)信息組成。

（7）對新的財務(wù)信息與已有財務(wù)信息的綜合距離進行計算，利用計算得到的綜合距離建立距離矩陣D(i)，當所有財務(wù)信息都實現(xiàn)聚類時，停止迭代。

（8）根據(jù)財務(wù)信息聚類結(jié)果，得到企業(yè)財務(wù)內(nèi)控信息譜系聚類樹狀圖如圖2所示。

（9）設(shè)定閾值h，根據(jù)設(shè)定的閾值確定財務(wù)信息的類別數(shù)和各類別中的信息數(shù)量：

4實驗與分析

為了驗證企業(yè)管理與財務(wù)內(nèi)控的信息化方法的整體有效性，需要對企業(yè)管理與財務(wù)內(nèi)控的信息化方法進行測試，本次測試的數(shù)據(jù)均來自KDD99數(shù)據(jù)集。分別采用企業(yè)管理與財務(wù)內(nèi)控的信息化方法（方法1）、基于樸素貝葉斯分類法的財務(wù)內(nèi)控方法（方法2）、西班牙地方政府網(wǎng)絡(luò)財務(wù)信息披露與內(nèi)部控制方法（方法3）進行測試，分析三種方法財務(wù)信息化處理與財務(wù)數(shù)據(jù)維度之間的關(guān)系，測試結(jié)果如圖3所示。

分析圖3中的數(shù)據(jù)可知，采用方法1進行測試時，方法1對財務(wù)信息進行處理所用的時間受財務(wù)信息維數(shù)的影響較小，方法1處理財務(wù)信息所用的時間不隨著數(shù)據(jù)維數(shù)的增加而增加，采用方法2和方法3對財務(wù)信息進行處理時，隨著財務(wù)數(shù)據(jù)維數(shù)的增加，信息處理時間不斷增加，表明方法2和方法3的財務(wù)信息化受財務(wù)數(shù)據(jù)維數(shù)的影響較大。因為方法1對財務(wù)數(shù)據(jù)進行降維處理時，消除了財務(wù)數(shù)據(jù)之間存在的減弱效應和增強效應，避免了財務(wù)數(shù)據(jù)分布過程中存在畸變，有效降低了財務(wù)數(shù)據(jù)的維數(shù)，因此方法1的財務(wù)信息化處理不受數(shù)據(jù)維數(shù)的影響。

Kappa系數(shù)屬于一種多元分離方法可以對數(shù)據(jù)的聚類效果進行評價，Kappa系數(shù)越高，表明方法的數(shù)據(jù)聚類效果越好，分別采用方法1、方法2和方法3對財務(wù)數(shù)據(jù)進行聚類處理，通過Kappa系數(shù)測試上述方法的有效性，測試結(jié)果如圖4所示。分析圖4中的數(shù)據(jù)可知，在相同數(shù)據(jù)維數(shù)下，方法1的Kappa系數(shù)均高于方法2和方法3的Kappa系數(shù)，因為方法1對財務(wù)信息進行控制之前，采用加權(quán)距離度量測度方法對財務(wù)信息進行降維處理，保留了財務(wù)信息的本質(zhì)結(jié)構(gòu)和內(nèi)在特征，提高了財務(wù)信息的聚類效果。對財務(wù)信息進行聚類處理的前提是獲取財務(wù)信息的特征，貢獻率越高提取的特征越有助于數(shù)據(jù)分類。分別采用方法1、方法2和方法3進行測試，對比不同方法提取特征的貢獻率，測試結(jié)果如表1所示。

分析表1中的數(shù)據(jù)可知，采用方法1獲取的特征貢獻率均在0.4%以上，采用方法2和方法3獲取的特征貢獻率均在0.2%附近波動，對比方法1、方法2和方法3的測試結(jié)果可知，方法1提取的特征貢獻率較高，因為方法1在數(shù)據(jù)降維處理時采用加權(quán)距離度量測度方法通過財務(wù)數(shù)據(jù)點周圍存在的樣本點的分布確定距離函數(shù)，能夠抑制干擾樣本點的同時充分發(fā)揮樣本點的貢獻，提高了特征的貢獻率。

5結(jié)束語

企業(yè)要想提升市場競爭優(yōu)勢、合理配置企業(yè)資源、降低生產(chǎn)經(jīng)營成本、提高業(yè)務(wù)管理水平，需要構(gòu)建健全的財務(wù)內(nèi)部控制制度，對財務(wù)內(nèi)控進行信息化建設(shè)。目前財務(wù)內(nèi)控方法存在受數(shù)據(jù)維數(shù)的影響較大、Kappa系數(shù)低、特征貢獻率低的問題，提出財務(wù)內(nèi)控信息化方法探索，首先對財務(wù)信息進行降維處理，通過財務(wù)信息聚類結(jié)果構(gòu)建譜系聚類樹狀圖，實現(xiàn)財務(wù)內(nèi)部的控制，解決了目前方法中存在的問題，為企業(yè)的可持續(xù)發(fā)展奠定了基礎(chǔ)。

參考文獻

[1]李軍.公司財務(wù)管理中的內(nèi)控管理[J].經(jīng)濟學,2019,2(1):13-14.

[2]劉利軍,強建波,彭金龍.橫剪生產(chǎn)線控制及信息管理系統(tǒng)設(shè)計及實現(xiàn)[J].機械制造與自動化,2019(4):142-144,155.

[3]陳思靜,王磊,尹波,等.樸素貝葉斯分類法與數(shù)據(jù)資產(chǎn)會計確認——難題與突破[J].會計之友,2019(19):58-61.

[5]梁可可,李洋,周佩璇.股權(quán)結(jié)構(gòu)對財務(wù)績效的影響研究——基于概率投票模型下股權(quán)控制度的實證[J].財會通訊,2019(11):22-26.

[6]劉襄生,李長愛.FASB制定準則的議程設(shè)置及影響因素——兼論會計信息質(zhì)量特征的層次性問題[J].財會月刊:會計版,2019(1):73-78.

[7]趙建麗.政府會計制度下本年盈余和預算結(jié)余的差異探究[J].財務(wù)與會計,2020(16):65-67.

[8]曹穎賽,劉思峰,方志耕,等.基于案例學習的多層次聚類指標客觀權(quán)重極大熵挖掘模型[J].中國管理科學,2019,27(2):200-207.

單位:合肥市軌道交通集團有限公司；廣州市品高軟件股份有限公司 作者:王德文；洪枝全