智能财务问题研究

前言：想要写出一篇令人眼前一亮的文章吗？我们特意为您整理了5篇智能财务问题研究范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。

智能财务问题研究范文第1篇

关键词：企业；财务决策系统；构建；智能

中图分类号：F275 文献标识码：A 文章编号：1001-828X（2013）09-0-02

全球化的市场竞争日趋激烈，企业每天产生和存储的数据越来越多，这也就意味着企业传统的财务管理系统并不能满足要求，需要提升目前的财务管理水平。复杂的会计模型和方法在目前计算机技术的发展下变得简单易行。数据仓库、数据挖掘和人工智能技术为财务分析和会计信息系统的创新提供了有力的支持，利用现代信息技术来建立智能财务决策支持系统，可以更好地让会计信息系统由核算型向经营决策型转变。

一、对企业智能财务决策支持系统的认识

智能决策支持系统以信息技术为手段，根据计算机、管理学及其他有关学科的知识和方法，来解决结构化和非结构化的决策问题。在企业财务领域中，智能决策支持系统具体应用为智能财务决策系统，它是财务系统往信息化发展的必然趋势。传统的财务系统并不能解决企业当下面临的复杂的财务问题。而数据库系统、决策分析系统等计算机领域的新技术可以为企业财务管理和决策提供更多的便利方法。研究和构建智能化财务决策支持系统，来辅助决策者管理财务并能进行战略和战术上的决策，也能实现财务决策的智能化和高效化。

目前设定的智能财务决策支持系统一共有三个特点。一是，系统要有通用性，能够满足较多的服务领域，也能适应不同环境和决策方式。二是，它可以让决策者自由介入系统，了解并参与决策过程。系统要有学习能力，能够与决策者在实际操作过程共同提高。三是，能够结合知识推理和数值运算的过程，提供更快更强的决策支持能力。

二、认识引导下的工作模式定位

（一）系统构建的目标

企业智能财务决策支持系统的构建有以下几个目标：

1.全面支持各种非结构化、半结构化和结构化决策问题。

2.支持企业各管理层次管理问题：（1）高层管理中筹资、投资、利润分配等宏观管理决策问题；（2）中层管理中的成本控制、生产控制和销售方案等控制决策问题；（3）基层管理的生产目标、库存清理等作业控制决策等问题。

3.满足用户之间便捷沟通、方便的人机对话和数据输送功能。

（二）智能财务决策支持系统工作模式

1.财务分析。能够实现财务分析中的基本功能，如：资产分析、现金流量分析、费用分析和盈利状况分析等。

2.财务控制与计划。能够根据现有的财务分析编制各种财务计划并能实现一定的经济指标控制和预算。

3.财务决策。能够帮助决策者完成成本、投资、筹资等决策。

三、定位驱动下的系统构建路径

（一）系统架构和系统处理

整体的系统架构分为三个层次：数据获取层、数据存储层和数据分析展示层。

数据获取层信息来源于内部财务系统。内部会计管理系统、本地外部财务系统、远程外部财务系统和其他相关系统等。数据获取后，经过筛选、转换、加工等操作综合反映到数据存储层。数据存储层将部分数据直接放置在数据仓库中进行管理，另一部分数据分别放到方法库、模型库和知识库中，并将需要的数据建立起多维数据模型。数据分析展示层提取数据存储层的数据，利用多维报表工具、多维分析工具和数据挖掘工具将数据放在服务器中供人浏览。

（二）系统使用和维护

实现智能财务决策支持系统需要企业人士和IT界人士进行沟通和配合。整个系统构建好后，还需要进一步追踪、反馈。先说服用户管理层，再对相关人员进行必要的培训。

财务智能决策系统不止是一个简单的软硬件集成，也考验了一个企业的信息架构能力，并对企业管理人员和财务管理人员、分析人员都提出了较高的要求。开发人员需要深入了解客户要求，并能熟练掌握财务系统构建需求以及软硬件知识，采取适当的措施，来提供更好的服务。

企业智能财务决策支持系统的维护有两个方面：一是管理和维护系统的日常运作。日常运作维护包括各个模块的正常运行，如数据获取模块、数据存储模块和数据分析展示模块；另一方面，需要根据实际情况调整完善系统的运行。数据流动在财务决策系统中也会伴随着一系列的插入、删除和更新等操作，这也就需要对系统进行更好地调整和完善。

（三）企业智能财务决策支持系统的评估

评估可以反映系统对企业的效果，包括是否满足企业现阶段需求和潜在需求、是否提高了企业财务决策的准确性、是否实现了企业财务智能化处理等。

评估包括两大方面：一是运行环境评价。对运行环境的评价主要体现在前端工具的适用性，能否达到使用人员的需要，能否与企业已有资源很好地进行整合等。二是绩效评估。绩效评估有包括模糊评估和用户满意度评估。模糊评估即从宏观角度对整个系统本身进行定性评价，侧重于考察系统对企业带来的无形收益。用户满意度评估即对使用该系统的各个用户进行满意度调查。

四、结论

数据仓库、数据挖掘和人工智能技术为财务分析和会计信息系统的创新提供了有力的支持，可以更好地让会计信息系统由核算型向经营决策型转变。在系统构建中应围绕着：系统架构和系统处理、系统使用和维护，以及企业智能财务决策支持系统的评估等三个环节展开构建。具体而言，整体的系统架构分为三个层次：数据获取层、数据存储层和数据分析展示层；实现智能财务决策支持系统需要企业人士和IT界人士进行沟通和配合；评估可以反映系统对企业的效果。

参考文献：

智能财务问题研究范文第2篇

Abstract: Financial management decision support system (hereinafter referred to as the DSS) is to assist decision-makers at various levels realize financial management. It achieves scientific management through mainly the man-machine interactive way and the use of a lot of financial data and numerous model. Neural network is a complicated nonlinear network system, and it mainly consists of many processing units which are similar to neuron. The combination of financial management and neural network and decision support system can realize the automation of adaptive, associating and reasoning, and data mining, and make the financial management, decision-making, and execution more scientific, standardized, and intelligent.

关键词： 财务管理；神经网络；决策支持系统；专家系统

Key words: financial management；nerve network；decision support system （DSS）；expert system

中图分类号：F275 文献标识码：A 文章编号：1006-4311（2012）03-0126-02

0 引言

DSS是80年代迅速发展起来的新型计算机科学。它是一个有着广泛应用背景的十分热门的交叉科学。神经网络是一个具有高度非线性的超大规模连续时间的动力系统。结合神经网络的智能决策支持系统是目前研究的前沿之一，它极具理论和使用价值。

财务管理的信息化、数字化是财务规范和科学管理的趋势。与DSS的结合将更加有利于数据标准的统一，有利于数据采集的模块化，有利于决策支持的科学化，有利于财务公开的透明化。

1 财务管理决策支持系统的研究现状

决策支持系统经过二十多年的发展，形成了如图1所示公认的体系结构。它把模型并入信息系统软件中，依靠管理信息系统和运筹学这两个基础逐步发展起来。它为解决非结构化决策问题提供了相应的有用信息，给各级管理决策人员的工作带来了便利。

从图1可以看出决策支持系统体系结构可划分为三级，即语言系统（LS）级、问题处理系统（PPS）级和知识系统（KS）级。其中问题处理系统级包括推理机系统（RS）、模型库管理系统（MBMS）、知识库管理系统（KBMS）及数据库管理系统（DBMS）。知识系统级包括模型库（MB）、知识库（KB）及数据库（DB）。

九十年代中期，兴起了三个辅助决策技术：数据仓库（DW）、联机分析处理（OLAP）和数据挖掘（DM）。联机分析处理是以客户/服务器的方式完成多维数据分析。数据仓库是根据决策主题的需要汇集大量的数据库，通过综合和分析得到辅助决策的信息。数据挖掘顾名思义，是为了获得有用的数据，在大量的数据库中进行筛选。人工智能技术建立一个智能的DSS人机界面，可进行图、文、声、像、形等多模式交互，人机交互此时变得更为自然和谐，人们能沉浸其中，进行合作式、目标向导式的交互方法。

从目前情况来看，财务决策支持系统的研究还处于初级发展阶段，财务数据的保密性、特殊性决定了财务决策不能全部公开化、透明化，但随着中央及国务院相关部门财务预决算数据的公开，财务决策系统及其支持系统和过程也将随之公开，这就要求决策者充分利用财务知识和决策支持系统的知识“聪明”决策、合理决策、科学决策、规范决策。

2 财务管理神经网络智能决策支持系统总体研究框架

2.1 神经网络运行机制 神经网络的着眼点是采纳生物体中神经细胞网络中某些可利用的部分，来弥补计算机的不足之处，而不是单单用物理的器件去完整地复制。

第一，神经网络中的链接的结构和链接权都可以通过学习而得到，具有十分强大的学习功能；第二，神经网络所记忆的信息是一种分布式的储存方式，大多储存在神经元之间的权中；第三，神经网络部分的或局部的神经元被破坏后，仍可以继续进行其他活动，不影响全局的活动，因此说，神经网络的这种特性被称作容错性；第四，神经网络是由大量简单的神经元组成的，每个神经元虽然结构简单，但是它们组合到一起并行活动时，却能爆发出较快较强的速度来。

我们可以利用神经网络的上述特点，将之应用于模式识别、自动控制、优化计算和联想记忆、军事应用以及决策支持系统中。

2.2 财务管理神经网络集成智能财务DSS的必然性 在企业经营管理、政府机构财务活动中，人们时常面临着财务决策。人们往往需要根据有关的理论及经验制定出一系列的衡量标准。这种评价是一个非常复杂的非结构化决策过程，一般都是由内行专家根据一定的专业理论凭经验和直觉在收集大量不完全、不确定信息基础上建立起多级指标体系。但在这种指标体系中，各种指标之间的关系很难明确，而且还受评价者的效用标准和主观偏好所左右。因此，很难在指标体系和评价目标间建立起准确的定量或定性模型。因此，我们需要采用一种可处理不确定性、不完全性信息的评价方法以支持决策。自然，利用人工神经网络构造系统模式来支持这类评价决策问题是目前财务管理智能决策支持系统的一种发展趋势和必然趋势[4]。

2.3 财务管理神经网络集成智能DSS系统框架 神经网络智能决策支持系统主要以知识、数据和模型为主体，结合神经网络进行推理与数据开采。图2给出了神经网络智能决策支持系统研究框架[2]。研究中有两个重点，即神经网络推理系统和神经网络数据开采系统。

2.3.1 神经网络数据开采系统 神经网络数据开采时利用神经网络技术协助从数据中抽取模式。数据开采有五项基本任务：相关分析、聚类、概念描述、偏差监测、预测。

常用的前馈式神经网络，如BP网络，可用于进行概念描述及预测。对向传播（Counter Propagation，简称CP）神经网路可用来进行统计分析和聚类。

CP网络是美国神经计算专家Robert Hecht-Nielsen提出的一种新型特征映射网络，其网络结构分输入、竞争、输出三层。该网络吸取了无教师示教型网络分类录活、算法简练的优点，又采纳了有教师示教型网络分类精细、准确的好处，使两者有机地结合起来。由竞争层至输出层，网络按基本竞争型网络学习规则得到各输出神经元的实际输出值，并按有教师示教的误差校正方法调整由竞争层至输出层的链接权。经过这样反复地学习，可以将任意输入模式映射为输出模式。

2.3.2 财务管理神经网络推理系统 财务管理神经网络推理系统主要利用神经网络的并行处理机制来解决传统推理方法中存在的“组合爆炸”、“无穷递归”，等问题。在神经网络系统中，计算与存储时完全合二为一的，即信息的存储体现在神经元互连的分布上，并以大规模并行方式处理。流动的过程就是从部分信息找到全部信息的过程，这就是联想记忆的基本原理。若视动力系统的稳定吸引子为系统计算能量函数的极小点，系统最终会流向期望的最小点，计算也就在运动过程中悄悄地完成了。因而，可用双向联想记忆（BAM）网络或CP网络实现并行推理。CP网络具有特殊的联想推理映射功能。将输入学习模式和期望输出模式取为同一模式，且将之分为X和Y两部分。网络通过提供的样本对进行充分的学习后，就可用来进行模式间的联想推理。

3 财务管理神经网络智能DSS研究展望

当前世界上最热门的研究课题，是模仿人类的思维方式来解决实际问题。专家系统和人工神经网络是比较常用的技术，但由于自身的局限性，它们都侧重于人类思维方式的某一方面。平时解决简单的问题的时候还好，但真遇到解决复杂的问题的时候，它就显得力不从心了，所以，这个时候我们可以将两种技术结合起来解决，除了它们要自身不断发展和完善外，还要注重两者的协调配合，神经网络DSS未来的发展趋势就是依靠这两种技术不断结合，从而能帮助我们解决更多的实际问题。

3.1 财务管理神经网络支持专家系统 常见的财务管理神经网络支持专家系统主要包括几个方面：知识维护、知识表示、知识获取、推理等，我们针对各个步骤展开讨论。

3.1.1 知识维护。如果知识是通过人工神经网络来获取的，我们就可以同样利用人工神经网络，来让维护工作变得更加方便快捷，维护可以通过人工神经网络来自动完成，我们需要做的只是重新运行网络模块，或者重新训练网络模块，又或是增加新的网络模块。

3.1.2 推理。一般的专家系统只是求解专门性问题，应用的领域非常狭窄，同时由于控制策略不灵活，推理方法简单，容易出现一些这样或那样的问题，推理效率低、速度慢。人工神经网络可以解决这一问题，从根本上提升工作效率，提高工作速度，它可以拓展知识空间，不只局限在狭窄的领域。

3.1.3 知识表示。很多专家知识事实上很难用规则表示出来，但在现实工作中，我们大部分财务管理专家却都采取这种方式，无论是直接的还是间接的。其它的知识表示方法也存在着同样的问题。为了解决这一问题，我们可以采用人工神经网络系统来将知识提供给专家系统，这样做就可以避免这一问题，当专家系统需要相应知识时，就不需要用规则来表示知识，直接调用人工神经网络就可以了。

3.1.4 知识获取。人工神经网络可以帮专家系统来获取知识，知识获取是通过人机对话的形式进行的。首先，专家系统向专家提出问题，人工神经网路则负责对这些信息进行收集、处理，在人工神经网络的联结权值中已经具有通用的知识，所以这一步骤会很方便，之后再产生相应的数据结果。接着，专家系统在对这些数据进行进一步的分析。在这一过程中，专家系统只运用很少的规则就可以获得相关的知识，大大提高了工作效率。

3.2 财务管理专家系统支持神经网络 财务管理专家主要通过三种方式来对神经网络提供必要的支持：第一，提供相应的必要的解释；第二，进行预处理；第三，联合应用。

3.2.1 解释。作为专家系统的人工神经网络，它做不到同其他专家系统那样，具体详细地跟踪问题求解的过程，以获得答案的原因，它只能依靠增加一个小型的专家来解决这一问题，以获得答案的原因，这个专家系统可以反向推理，从结果到初始输入，系统提供具体的解决方法。

在这种模式中，经过训练的人工神经网络来解决问题。当用户要求解释的时候，就可以通过网络输入一个并行的专家系统。

3.2.2 预处理。对于人工神经网络来说，处理数据这项工作比较难。专家系统可以帮助人工神经做好这些工作：选择合适的收敛算法，确定训练神经网络的样本的数量，选择合适的神经网络。收集正确数据的工作，对于人工神经网络来说至关重要，事先对它们进行预处理，可以确保各项工作顺利的完成。

3.2.3 联合应用。将一个复问题分解为几个子问题，如下图3所示，再将各个子问题来逐个解决，这就是我们所常说说的联合应用方法。它可以直接采用人工神经网络、专家系统以及其种可能的方法来解决问题，指导实际应用。

我们当前计算机所要解决的主要问题，是如何解决半结构化和非结构化的决策等问题，它是人们在日常生活中所经常遇到的，在财务活动中会大量存在。如何更科学、更合理地处理这些问题是我们当前工作的主要方向。运用人工神经网络技术处理半结构化和非结构化的决策是一种智能化的求解方式。但是此种方式并不是完美无缺的，它还存在着一定程度上的缺点，我们只有改善这种技术上的不成熟，将智能化研究进行到底，才能让神经网络决策支持系统的研究出现新的进展。

参考文献：

[1]陈文伟.智能决策技术.电子工业出版社，1998年.

[2]钟义信.智能理论与技术——人工智能与神经网络.人民邮电出版社，1992年.

智能财务问题研究范文第3篇

为了提高企业的绩效，某钢铁企业的高层管理者向下属提出这样的命题：0.04的钢和0.06的钢各炼多少企业的效益可以达到最高?

效益与成本、市场需求、产品市场占有率和产品定价都有关系，成本包括原材料如矿石、上游物流运输、库存的成本和辅料的成本，这些信息在企业的采购系统中。绩效与人力成本有关，在人力资源系统中，产品定价与企业的生产能力有关，在企业的ERP系统中。市场需求与企业明年客户的需求(这些可以从去年客户订单中预测一在客户关系管理系统中)、产品的定价、竞争对手的盈利能力等有关，这些信息在第三方的数据和预测的结果中。

要解决这样的问题，自然就会问道：一是数据来源能否整合起来，也就是建立支持生产运营、营销和财务分析等的数据仓库。二是利用什么样的模型和如何进行分析，也就是利用的工具和分析方法。三是谁来分析：很多人认为这应该是IT部门的事情，有些人认为是战略规划部门的事情，有些人认为是营销部门的事情，到底是谁的事情?这就不得不来探讨商务智能能力中心(Business Intelligence Competency Center，简称BICC)。

用数据说话

很多的企业还没有重视用数据说话，作决策还是“拍脑袋”，主要的原因并不是领导不喜欢用数据说话，而是已经意识到数据的重要性，但是企业的ERP系统、核心业务系统还没有建设上线，就是已经上线，还没有积累大量的数据，所以商务智能需求的紧迫性要求也不强。

如果真的已经积攒了大量的数据，企业会认识到数据仓库和商务智能项目的重要性，由于数据仓库建设需要较长的时间，所以对数据仓库的应用还没有完全提到议事日程上来。不管企业信息化建设处在哪个阶段，都要考虑企业信息化建设的方向和目标。

企业信息化建设分为三大层次：第一个层次就是通过核心业务系统来实现基本业务的自动化。第二个层次就是通过管理信息系统实现企业上游、中游、下管理的流程化。最终目标是实现通过决策支持系统帮助企业实现战略决策、战术制定和战斗计划、执行、监控、分析、调整的科学化，为企业的盈利和风险防范打下坚实的基础。

为了达到企业决策的科学化，企业不得不从数据中获得信息，制订切实可行的科学规划，对业务进行分析和监控，就不得不有一支可以支持企业商务智能能力分析的队伍，这支队伍就是商务智能能力中心。

商务智能能力中心的任务就是对企业和非企业的结构化和非结构化数据进行分析研究，监控企业的生产经营、财务、营销能力、人才利用等的状况，探究存在的问题和问题产生的根源，模拟企业发展的最佳盈利模式，协助企业制定、调整企业发展的战略目标、战术目标，检查企业运营执行的状况。及时发现问题，为企业的各个不同部门和层次进行建议和提案。

应该归谁管呢?

商务智能能力中心在企业中的地位如何?也就是说它应该挂靠在哪个部门?这要取决于企业的现状和企业的定位。

如果企业有专门的战略规划部门，商务智能能力中心最好挂靠在这个部门，直接汇报给企业的首席战略官(CSO)。

如果企业没有战略规划部，而且财务部已经由最基本的财务会计转变成为管理会计，也就是说财务部门的职责已经上升到企业的战略投资、运营分析、战术规划指导的地位时，商务智能能力中心应该挂靠在财务部，直接汇报给企业的首席财务官(CFO)。

如果企业没有战略规划部。财务部也不是非常的“强势”。商务智能能力中心一般汇报给首席信息官(CIO)或者信息中心主任。

在中国现阶段，大部分企业还不具备战略规划部，商务智能能力中心一般会由信息中心或者IT部门的部分人员抽调出来，从统计分析部门调入一些人员组成。

人员组成需跨专业

商务智能能力中心的人员应该由既懂业务又懂IT技术，还懂分析工具和方法的人组成，应该包括了解企业业务流程、业务规范、企业战略的高层管理人员，了解企业核心业务系统结构、数据仓库或者数据集市结构、以及元数据结构的IT技术人员；懂得OLAP分析、主成分分析、多元回归、神经元网络、遗传算法、聚类分析等分析工具和方法的数学人才或者统计专家，懂得企业管理、了解财务知识、市场营销知识的MBA业务人员。

所有这些人必须具备较强的沟通能力和相互协作能力，沟通的对象包括制定企业战略目标，利用平衡计分卡、战略地图、商务盈利模式和创新等现代管理思想和理念的高管层，也包括制定企业预算和规划的业务部门和财务部门的管理层，以及执行企业战斗目标的一线管理人员。当然有复合人才会更好，但是这样的复合型人才很难得到，可以通过相互协作中学习而培养出来的。

商务智能能力中心人员基本能力应该包括业务技能、信息技术技能和分析技能三大技能。

业务技能和公司的战略相联系，制定企业战术目标和战斗目标的关键绩效指标、流程，定义执行的优先级，完成战略目标实现的优化过程。

分析技能帮助了解业务的流程，从报表、企业运营的关键绩效指标中发现问题，设置关键绩效指标的门槛值，通过预警发现例外，然后能通过查找或者使用数学方法和建模工具来模拟引起问题的原因，总结和分析产生问题的规律，解释出现的结果，提出有效的建议、改善方案。

信息技术技能包括掌握识别数据、存储、维护和整合数据。根据需求目标可以获得有用的数据和信息，获得完整的、及时的、有效的、高质量的数据，设计语义层。

商务智能能力中心的经理应该由具备业务技能、IT技能和管理技能的人员担当，最终的结果可以将跨业务部门的商务目标协同起来。还必须能够协调各个商务职能部门之间不同观点的能力，具备在不同部门之间和人群之间达成一致意见的政治智慧。

智能财务问题研究范文第4篇

关键词：智能时代；会计人才；高校

纵观现如今人们的生活，智能产品已经无处不在，正一步步的改变着大众的生活方式，比如一部智能手机就可以处理很多业务。许多行业也进入了智能化工作时。就会计领域而言，以德勤为首的四大会计师事务所相继推出财务机器人来完成基础会计工作，给会计行业带来了巨大的挑战。

一、智能时代对传统会计工作的影响

（一）改变了会计工作方式，提高了工作效率

近几年的时间里，需要会计人员处理的工作因为智能化的发展同样发生了变化，企业通过建立财务账套系统，日常发生的发票开具、费用报销、凭证填制等业务都可以在财务软件上操作，期末账簿和报表可自动生成；货币结算时也可以通过互联网进行转账。简单的会计工作由于这些变化摆脱掉时空的束缚，不仅可以缩短会计人员的工作时间，工作效率也能有很大的提升。

（二）会计人员工作岗位发生变化

财务机器人的应用取代了处理基础财务工作的人员，使会计人员免于重复基本业务。更多的会计人员将转型到有价值的财务分析、财务决策以及其他管理岗位中。这就需要财会人员具备商务数据挖掘、财务数据分析处理、财务决策和企业管理等能力，能对报表和数据进行深刻解读，提取数据背后的信息，并把这些信息变为对企业经营策略的制定有用的信息。

（三）降低了财务风险，财务数据更加精准

智能机器发生错误的概率微乎其微，未进入智能时代前的会计工作中会有大批量的财务数据需要进行人工处理，不但枯燥还及易出错。人工智能在会计领域的应用保证了会计信息的真实和完整，而且还可以快速选取各种决策所需的相关数据和信息，大大降低了以往人工分析数据差错、数据不全面和数据分析结果滞后造成的财务风险。

二、智能时代会计人才培养存在的问题

（一）会计学专业课程设置存在缺陷

1.财务核算类课程比重偏大。目前大多数大学的会计学专业课程都侧重于财务会计，不够重视财务分析与财务管理，会计核算类课程多，且课程之间重复的内容比较多，这种传统的以财务会计为中心的课程体系已经不适应智能时代对会计人才的需要。2.缺少数据分析课程。智能时代下，财务机器人的应用会使会计数据自动生成，无需会计工作者进行手动计算。公司的财务分析、决策和其他管理工作会需要会计人员来进行，但目前会计学专业缺少数据分析类相关课程的设置，几乎没有学生拥有对财务数据的分析能力。3.理论知识的传授多过实践能力的培养。很大一部分大学的会计学专业都强调理论教学，对实践教学重视不够，导致很多高校学生毕业以后不能把所学的知识很好的应用到会计实际工作中。4.跨学科类课程设置不足。学科交叉是智能时展的主流方向，要把复合型会计人才列为当前各高校的培养目标。而目前，与其他专业学科设置课程整合是会计课程体系没有涉及的领域，各高校的会计学专业毕业生不能实现智能时代对会计复合型人才的需要，只掌握了单一的会计知识。

（二）缺少对学生自学能力的培养

会计是为社会生产活动服务的，必将随着社会的发展而不断变化，所以学生只靠在学校获取的知识是远远不够的，但目前高校教师的传授知识的方式只是讲授这一种，学生没有任何思考过程，只是把知识听了一遍，并不能使他们的自主学习能力有所提升，导致学生在工作中不能很好的适应环境、内容和工作方式等的变化。

（三）应用型师资不足

会计是实践较强的学科，若教师缺少实践经验，就不能很好的培养学生的实践能力。目前很多高校没有重视对应用型教师的培养，而是一味的鼓励教师进行学术研究，这对培养企业需要的会计人才极为不利。

（四）缺乏职业素养教育

职业素养是从业者按照职业岗位要求养成的行为习惯和良好作风，它是工作人员在从事其专业相关的活动中所表现出来的综合素质。会计职业素养就需要每个会计工作人员对会计这个职业有着崇高的理想和信念，遵守会计行业的纪律，履行其责任与义务，不断提升自己的职业技能，对这份职业充满兴趣，并保持良好的工作态度。目前高校对会计学专业学生的培养只停留在知识教育层面，忽视了对会计职业素养的教育，教学方法和考核方式缺乏多样性，各高校毕业生还没有实现智能时代对会计职业素养的要求。

三、智能时代会计人才培养改革策略

（一）完善会计学专业课程体系

1.减少财务核算类课程比重，增加数据分析类课程。高校在制定会计学专业人才培养计划时，要减少会计核算类课程所占的比重，增加管理会计、财务分析、风险分析、财务管理以及内部控制等课程比重。同时像财务分析、数据处理、挖掘业务数据这类有助于提升学生数据分析能力的课程需要增加到必修课中，以提升会计人员的数据分析能力。2.增加实践类课程，鼓励学生顶岗实习。高校不能仅限于传统的理论教学，与会计有关的实践课程的比重需要提高，比如用友、金蝶在财务中的应用，大数据与可视化在会计学中的应用，企业风险分析案例等课程，为了增长实战经验使学生的实际操作能力有所进步。还要与会计领域中已经开展智能化工作的企业进行深度合作，让学生到真实的企业会计工作岗位参加实习，积累工作经验，更好地将理论与实践结合，保障学生毕业后能更好地适应智能化的工作模式。目前市场需求的会计人才与高校培养的会计人才不一致，高校可以通过调查企业对会计人才的需求方向来培养符合市场需求的会计人才。同时高校还应该定期聘请合作企业的优秀财务工作者为学生开设智能时代会计知识的讲座，提高学生对智能会计工作的了解。3.开设学科交叉课程，注重复合型会计人才培养。随着移动互联网、大数据、人工智能、云计算等新技术在会计领域的应用，会计人员的综合素质必须适应市场的需要，会计人才不仅要有会计理论知识，还要掌握诸如管理学、经济学、金融学、法学、统计学、数据分析以及计算机程序设计等相关知识；不仅要具备会计业务处理能力，还要具备创新、团队沟通、组织协调、判断决策、持续学习等智能机器难以复制的能力。因此，在高校会计学专业开设学科交叉课程，培养复合型会计人才至关重要。具体做法是，在公共基础课程模块应开设人文素养、计算机编程和数理统计类课程，对学生进行厚基础、宽口径的培养。在专业基础课程模块应开设经济管理、金融、财经法规和会计职业道德类课程，融入思政元素，培养学生一定的协调管理能力和良好的会计职业价值观。在专业核心课程模块应该增设大数据会计分析、大数据财务决策、新技术与经济一体化发展等课程。

（二）创新教学以及考核评价方式

高校要不断更新教育理念，应以学生的创造性思维为中心，努力提高学生的自主学习能力，加强培养自主解决问题的能力，实施以教以学生为本，教师主导的教学模式。可以利用互联网上的慕课、微课采用线上线下结合、小组讨论、案例分析、实践操作、竞赛等多种教学方法鼓励学生积极参与教学过程，以此增加独立思考的机会，对学生形成良好的终身学习习惯有很大的好处。同时，学习不只是结果考查，要重视对过程的评价，把对学习过程的考评比例提高。可以采用提高平时作业质量、课堂表现在课程学业成绩中的比重，还可以将学生参与小组讨论、操作演示、课后与老师互动等情况的表现纳入考核评价范围。

（三）建设应用型师资队伍

高校会计专业教师在会计人才培养中担任重要角色。智能时代下，会计工作方式发生了巨大的变化，相应的使会计学科体系的内容也出现了改变。作为引导者，高校会计专业教师应自发的地学习与智能时代相关的理论知识和实践知识。与此同时，高校也应该积极为教师提供学习新知识的渠道，可以聘请实务界人工智能专业人员为教师开设大数据、人工智能、信息技术、财务共享等培训讲座，开拓教师的视野，提升教师的理论水平；还可以分批选派教师到行业内优秀的企业进行挂职锻炼，在企业工作中了解人工智能对会计工作的改变，练习操控人工智能进行会计工作，教师要不断地学习实践来适应智能时代，为后续培养适应智能时代的高素质会计人才提供有力保障。

（四）强化职业素养教育

会计学专业是按照企业对会计人员的需求而设立的专业，满足并且符合经济社会以及会计行业的发展要求是各高校培养会计人才的首要目标。智能时代的到来，以往的会计核算能力就已经不是会计人员的核心竞争力了，对会计人员有了更高的职业素养要求。1.培养学生的管理能力。智能时代已经不再需要财务会计，逐渐变为对管理会计的需求，高校也要考虑这一点，提高学生的综合管理能力。作为一名企业的财务管理者，既要拥有一定的会计专业知识，同时还要具备沟通、团队协作、分析研判以及决策等能力。高校可以开展模拟企业管理竞赛或开设模拟企业管理课程，通过搭建标准工作流程让学生感受企业财务部门管理层的日常工作，以及管理人员的工作内容。还要鼓励学生通过参加社团和学生工作组织来锻炼自己的组织管理、团队协作和决策等能力。2.提升学生的创新意识。高校要使学生感受到良好的创新氛围，为学生搭建好创新平台，让学生积极参加“互联网+”大学生创新创业竞赛，指导学生申报大创项目。此外，教师引导学生开展科研项目，在科研中发现创新点，提高教学质量，学生的创新意识也能得到培养，开拓视野，让学生紧跟会计行业发展变化的步伐。3.加强学生的会计职业道德教育。虽然目前高校已经开设会计职业道德的相关课程，但社会上的会计造假案例仍不断出现，因此在高校还应进一步强化会计职业道德教育，从源头入手，在学生时代就要让他们了解职业道德的重要性和违反职业道德的严重的后果，树立正确的会计职业道德观，提高辨别是非的能力、抵抗诱惑的能力，自觉抵制不良社会风气，维护会计的职业尊严，促进良好的会计道德观的形成。

四、结语

智能时代会计人才培养问题已成为我国人才强国战略的重要组成部分。在人类的不断进步下，社会管理领域也会被智能科技产品一步步的占据。因此，智能时代下会计人才培养问题的研究也不是一劳永逸的，培养教育会计人才的内容也要不断进步，使智能技术不断为会计工作带来便捷。

参考文献：

[1]陈小芹.人工智能时代会计人才培养模式[J].商业会计,2019,657(09):127-129.

[2]吴媛媛.人工智能时代会计人才培养新模式探究[J].时代金融,2018,717(35):192.

智能财务问题研究范文第5篇

支持向量机模型的构建

1SVM算法基本思想支持向量机（SupportVectorMachine，简称SVM）是建立在结构风险最小化原则和VC维理论基础上的一种新型机器算法。它可以有效地实现小样本在高维空间非线性系统的精确拟合。其主要思想是在二分类问题中，在高维空间寻找一个超平面作为两类的分类面，以保证最小的分类错误率。根据训练集训练得出的决策函数，可对任意输入x预测其所对应的y，即可对企业财务进行预警。

2SVM求解过程财务预警是一个非线性问题，可以通过非线性变换将原低维空间非线性问题转化为某个高维空间中的线性问题，在变换空间求最优分类面。在高维空间中分类面表达式为：w•准(x)+b=0准(x)是输入向量x从空间Rn到高维空间的变换。由最大间隔思想及软间隔思想可得，求解上式可转化为对下列凸二次规划问题求解：

实证分析

1样本选取数据来源本文采用沪深证券交易所上市公司财务数据，数据来自证券之星，新浪财经网站，为了避免采用破产后数据信息建立预警模型会高估模型的预测能力，本文选取训练样本时，采用上市公司被ST或*ST前两年的财务信息(即：公司2011年被ST，则选用2009年的财务信息)作为训练数据构建预警模型，以预测上市公司是否会在下年因严重财务风险而被特别处理。本文随机选取2011年被ST或*ST的5家公司，10家非ST公司作为训练集样本；随机选取2家ST或*ST公司，3家非ST公司作为测试集样本。

2预警指标选取预警指标的选取目前尚未形成一套成熟的标准，宋雪枫，杨朝军（2006）在国家自然科学基金项目研究中，用杜邦分析从上市公司的盈利能力，负债结构，周转能力三个方面选取18个相关预警指标，并采用Kuskal-WallisH非参数检验最后确定了总资产收益率、总资产周转率、流动资产周转率、主营业务利润率、超速动比率、流动负债比率、资产负债率、应收账款周转率、和存货周转率9个财务危机上市公司与非财务危机上市公司之间存在显著差异的指标。本文也将采用这几个指标作为输入指标对房地产企业财务风险进行预警研究。在输出指标中，未被ST的公司视为财务正常公司，输出为1，被ST的公司视为财务异常公司，输出为-1。

3实证分析以选取的20家上市房地产公司最为研究对象，对其原始财务数据进行收集，并对样本企业进行编号如表1。运用MATLAB7.0，安装libsvm-mat-2[1]89-3工具箱，将表1中数据标准化后，以前15组样本作为训练集样本，后5组样本作为测试集样本。采用5层交叉验证法对训练集进行训练。C=200，σ2=3。采用该模型对测试集进行测试的测试结果如下：由表2可以看出，预测分类结果与实际分类结果完全符合，模型具有良好的应用效果。

结语