英语原文共 14 页，剩余内容已隐藏，支付完成后下载完整资料
知识型系统在银行财务分析中的不足
Gunnar Hartvigsen
摘 要：财务分析被认为是一项知识密集型的工作，因为它涉及多个领域的知识。如今，银行正在探索以知识为基础的系统，以达到在降低成本的同时提高运营效率和客户关系的目的。财务分析便是这类应用中的一个比较有前途的领域。这篇文章主要讨论了在财务分析中使用知识型系统的局限性（比如，缺乏此类分析的理论框架)。此外，我们还展示了在设计和实现KABAL系统（这是一个基于知识的财务分析系统）时如何满足这些限制。(KABAL是挪威语，意为“耐心”。)
1.绪论
在最近几年里，银行、金融机构、顾问、咨询公司、会计师事务所和大型企业对财务报表分析的知识型系统表现出越来越浓厚的兴趣（比如1988年Blocheramp; Scalf，1983年Bouwman，1985年Elliottamp; Kielich，1990年Hartvigsen，1988年Hartvigsenamp; Danielsen，1984年Johnson，1988年Kerschberg amp; Dickinson，1988年Klein，1986年McKee, 1987年Mui amp; McCarthy，1988年Narasimhamurthi amp; Dechen，1987年Sena amp; Smith）。知识型系统的开发似乎适合进行财务报表分析方面的研究。
尽管在理论上，由于财务报表的编制是具有一定的原则和规则的，所以公司在财务报表中展现其运营情况的方式会有一定限制。但在实践中，公司可以选择其他方式来展现其运营状态。因此，在财务报表分析过程中，必须考虑的一个重要方面是公司必须想法设法将其财务状况健康的信息给报表使用者留下一定程度的印象。在不同的目的下，同一套事实可能以不同的方式呈现，从而给不同的读者留下不同的印象。这就需要对财务报表和报告作出解释，以便将财务信息用于决策。因为报告企业的意图、使用的会计方法和进行会计估计的对象等因素之间有很强的相互作用，所以没有一种独立的方法可以完成这样的解释说明。这些具有模糊性的方面大多是由于财务分析的知识不是建立在一个单一的理论基础上所造成的。
本文的目的是解释财务分析领域的复杂性，以及阐述如何利用人工智能技术将财务分析这一任务电脑化。KABAL，一个基于知识的财务分析系统（比如，对某银行的贸易和行业贷款组合中的财务报表进行分析），便是为了进行该领域方面的研究而研发的。
2.财务报表分析
财务报表是公司进行财务报告的主要工具。财务报表可以被描述为一种将财务信息从管理层传达给决策者(如贷款人、投资者、工会和其他人)的方法。财务报表分析是一种信息处理方法，旨在为决策者提供相关的财务信息。由于决策者众多，目标各异，从而导致了各种财务比率的出现。
分析财务报表的过程包括几个步骤。一般来说，分析人员必须决定分析的目标或角度(例如，选择一个观点) (例如，作为债权人、投资者、资助者、雇员、管理人员等)。其次，分析人员必须研究公司所处的行业，并将行业环境与当前和未来的经济发展联系起来。这个过程涉及到将事实与猜测和估计混合在一起。然后，分析人员必须研究管理和组织。这将进一步获得企业运营情况的信息。财务报表的分析可以通过使用一些工具来完成，如一般规模的财务报表、关键的财务比率、趋势分析、结构分析，以及与行业竞争者的比较。财务报表评估的重点领域是短期流动性、资本结构和长期偿债能力、经营效率和盈利能力、市场比率以及(相关的)分段分析。最后，分析人员需要总结他/她的发现，这意味着他/她必须整合不同的部分(比如，将相互关联、相互影响的步骤和片断合为一个整体)。在企业中，由主要发现到结论的总结是完成整合的必要条件 (1988年Fraser)。
在文献中，财务报表的评价主要是通过利用两种技术/工具进行的。一种方法是财务比率分析(见Bernstein, 1978年;Foster,1978;Lev,1974;McMullen, 1979)。另一种方法是对市场、管理、组织、公司等进行评估（比如运用“经验法则”），这种方法在学术文献中很少受到重视，但在银行贷款的分析中却占有重要的地位。财务比率分析用数学模型表示最容易。“经验法则”技术可以通过使用人工智能技术(例如，基于知识系统中的规则)来实现计算机化(Brown, 1991)。
在过去的三十年里，财务比率在财务分析，尤其是破产预测中的作用受到了广泛的关注。在许多方面，破产预测是贷款组合监管中要解决的问题——在存在破产风险的情况下，银行必须重新调整其业务。虽然破产或失败有几种不同的定义及表达(如Karels amp; Prakash, 1987年的概述)，但它的总体意思是明确的。例如，Beaver(1967年，第71页)将破产定义为“一家公司在其财务状况成熟时无力支付其债务的情形”。实际上，当下列任何一种情况发生时，一家公司就被认为是经营失败的：破产、债券违约、银行账户透支或优先股到期未付。因此，在破产预测范围内的研究表明，财务比率在一定程度上决定一个公司的财务状况是否健康。
2.1 财务比率
财务比率为回答重要的问题提供了基础。比如：（1988年Scott, Martin, Petty amp; Keown，39-40页）。
1.公司的流动性如何?
2.管理层是否从公司的资产中获得了足够的收益?
3.公司的管理层如何为其投资进行融资?
4.普通股股东是否获得了足够的投资回报?
财务比率代表了一种使财务信息标准化的尝试，该尝试便是可以利用财务比率进行不同企业或不同行业间的对比。在传统的财务分析中，企业的财务比率通常与一些基于行业规范预先设定的目标相关。财务比率是由两个或两个以上的会计变量构成的。这意味着联合分布取决于分子和分母的行为以及这两个坐标之间的关系。
自19世纪后期以来，比率分析一直是解释和评估财务报表的主要工具。除此之外，财务比率也没有真正的替代品。然而，这些事实并不意味着财务比率和比率分析是最优秀的财务分析工具。正如本文后面所示，在特定情况下，甚至在财务比率的优势作为预测因素时，人们对于应该采用哪种比率都没有达成普遍的共识。
2.2 利用财务比率进行信贷评估和破产分类
在银行业，最重要的任务之一便是向地方的企业和国家的产业提供贷款。这意味着，如果一家银行真的想跻身优秀行列，它就必须承担一定的风险。但是，为了避免巨大的损失，银行必须密切关注不良贷款发生的可能性(例如，通过破产)。因此，它必须时常性地仔细检查其贷款客户的财务状况。
破产识别模型的潜在应用包括（Fulmer, Moon, Gavin amp; Erwin, 1984）：
bull; 分析公司（金融机构和供应商）的信誉
bull; 预测金融危机(内部审计)
bull; 识别不良投资风险(资产组合经历和个人投资者)
bull; 就一个实体是否继续存在的问题列举相关和客观的证据（独立注册会计师）
所有这些领域的从业者将受益于破产分类模型提供的客观分析。
我们发现许多破产分类模型在文献中使用了不同的财务比率。Altman(1968)使用了22个会计和非会计变量;Beaver(1968)使用了14个。1977年，Altman、Haldeman和Narayanan(1977)开发了一个Zeta模型，该模型说明了有7个比率不在破产分类分析的范畴中。Chen和Shimerda(1981)确定了41种不同的具有一些有用的预测或解释目的的比率。通过回顾研究近100个比率的26份报告，他们获得了41个比率。
由于在决策模型中全方位使用财务比率引发了一些严重的问题，一些研究(例如，Elam, 1975;Johnson,1979;Libby,1975;Pinches, Eubank, Mingo amp; Caruthers,1975;Pinches, Mingo amp; Caruthers, 1973;Stevens,1973)试图通过因素分析发展财务比率的模式来降低可变集合的维度。例如，Libby(1975)只使用了5个财务比率。Pinches等人(1973)从大量的财务报表比率中确定了构成财务报表主要独立因素的七个比率。
计算复杂度也限制了变量的数量。此外，只有几个变量可以真正地合并到一个数学公式中。Abdel-Khalik(1973)在对贷款公司决策的研究中总结道，他的研究结果对财务比率能否在事前对破产或运营失败的情况进行有效预测提出了质疑。这可能表明，哪些财务比率是有用的，或者需要多少比率才能进行适当的分析，业界还没有达成普遍的共识。
2.3 数学模型
在过去的二十年中，一些使用财务比率的数学模型被用于评估破产(例如，Altman, 1968，1984; Beaver, 1967,1968; Blum,1974; Deakin,1972; Elam,1975; Fulmer等，1984; Ketz,1978; Libby,1975; Meyer amp; Pifer, 1970; Ohlson, 1980);贷款违约(如Abdel-Khalik amp; El-Sheshai, 1980;Chalos, 1985;Orgler, 1970);以及决定银行贷款批准的一般“贷款提供功能”(Hester, 1962)。结果表明，与未破产公司相比，破产公司在统计方面表现出显著的比率——通常是在破产事件发生前一到两年。例如，Altman(1968)所描述的模型在贸易、财务管理和会计出版物中被广泛引用。正如Altman(1968)所指出的那样，财务比率的使用可能具有预测破产的潜力。然而，预测成功的程度并没有说明。因此有理由相信，这种模式可能会时不时地失败。使用财务比率带来的限制将在第3节中进一步讨论。
3.破产预测模型的评述
3.1 过度销售
在过去的三十年中，人们提出了几种破产预测的数学模型。这些模型大多被声称是非常有效的。不幸的是，数学模型似乎被过度销售了。例如，Fulmer等人(1984)报告了他们的模型，该模型能在破产前一年对98%的公司进行正确分类，在破产前两年对81%的公司进行正确分类。但是，正如Crandall(1985)指出的，Fulmer等人(1984)提出的破产分类方程对于一般应用是不安全的。根据Crandall(1985)，Fulmer的模型(1984)对于一般使用来说是不安全的，主要是因为：
bull;它的总体精度比作者的估计要低得多。
bull;模型中的特定预测因子不会随着时间和样本的变化而变化。
Crandall(1985)进一步认为，由于技术问题，Fulmer等人(1984)推导出的特定变量和方程不适合普遍使用。问题是由判别分析的计算方法产生的，判别分析在很大程度上依赖于所使用的公司样本。由于在计算过程中分配方程中的方差的方式不同，每个因素的权重与基础数据中的微小变化相差很大。另一个不精确的来源是缺乏交叉计算(即在一个独立的组上测试从另一个组导出的方程)。
经常使用的多元判别分析不允许评估任何变量的重要性，因为这不能独立于模型中的其他变量来确定。Eisenbeis(1977)讨论了当统计模型应用于决策过程时的以下困难：变量的分布，组织的分散程度，个体变量意义的解释，变量维数的减少，群体的定义，选择适当的先验概率和/或误分类成本和估计的分类错误率。
此外，操作环境常常是具有时间依赖特性的(Crandall, 1985;Einhorn amp; Hogarth, 1981;Mensah,1984;Williams, 1982)，只有在一些限制性的假设下才有效(Karels amp; Prakash, 1987)。这些局限性表明，仅用数学模型来预测财务比率是不合适的。
3.2基于假设
Lev和Sunder(1979)认为，财务比率的使用是基于这样一种假设，即分子变量和分母大小变量之间的关系是明确规定或隐含假定的。因此，财务比率对规模的控制只有在某些限制条件下才能令人满意。所以，尽管比率的使用范围很广泛，但在会计和金融文献(Lev amp; Sunder, 1979)中，没有对适当使用比率的条件以及不满足这些条件时使用比率的后果进行深入的讨论。
Zavgren和Friedman(1988)认为，在早期的破产预测模型中，财务变量的选择是在没有理论或经验支持的不确定性基础上做出的。其结果是使用了一组杂乱排列的变量，有时是多达30个的财务比率(通常是冗余的)。缺乏理论或实证基础必然会使破产预测的模型或功能的选择部分落在实践者或研究者的手中。
3.3 使用财务比率分析的不足之处
直至目前，对银行破产预测的趋势研究表明，分析人员们一直在努力寻找能够成功用于判断一家公司财务健康状况的技术或模型，从而减少预测误差，提高预测效率。传统上，我们已经看到许多版本的财务比率分析被用来区分运营失败的公司和没有失败的公司。除此之外，本文还认为，财务比率分析还需要更多的方法。例如，Fulmer等人(1984)认为破产分类模型不能单独使用。相反，贷款发放的决定性因素应该是银行信贷员对借款公司相关情况的分析和判断。Gentry、Newbold和Whitfield(1985)认为，在经营失败的公司和非失败的公司的分类中，传统财务比率和现金流量指标相结合的分析可以显著提高预测效率。其中，资金流动中特别重要的部分是股息、投资成本和应收账款。
通过比率分析的研究表明，比率可以作为破产预测的重要因素。然而，财务比率的顺序并不清楚——几乎每项研究都将不同的比率作为解决问题的最有效指标。例如，一家公司拥有对其不利的盈利能力记录或偿付能力记录可能表明该公司有破产的风险。然而，由于一个公司具有高于其所在行业平均水平的流动性，这种情况可能不会被认为是严重的，这表明在对比几个公司的相对业绩时可能存在一定的模糊性(Rushinek amp; Rushine
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[235396]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
