财务分析系统设计研究

前言：本站为你精心整理了财务分析系统设计研究范文，希望能为你的创作提供参考价值，我们的客服老师可以帮助你提供个性化的参考范文，欢迎咨询。

一、财务的分析方法和基本应用

(一)财务分析的意义

任何企业在进入规范资本主义市场融通资金都必须对财务进行管理分析,企业只有具备了完善的综合财务能力,才能让投资者有所了解、信任得到融资。根据资料的显示,融资占银行放贷60%以上的都是综合财务能力好的上市公司。企业财务分析能力越好就越能提高企业的竞争力,准确而有效的财务分析能够让企业了解到竞争对手与合作伙伴的真实情况,可以降低企业在信息的搜集中的成本,可以帮助企业防范信用危机。因为投资者在进行投资之前会广泛的搜集企业各项与投资相关的财务信息,判断企业是否能如期偿还本息的情况。

(二)财务分析的问题

财务分析的分析方法有很多,比如比率分析法、比较分析法和趋势分析法,不管用什么方法它的作用都是反映企业过去的经济事项,会计报表的使用者拿到业务报表的时间往往和业务发生的时间相隔较长,不能用过去的经济数据来判断企业目前甚至是未来的财务状况,这样的话会偏离企业真实的财务情况。除了这个,还有通过财务报表项目和数据之间显示的财务关系,使用这种方法进行财务分析也是具有一定局限性的,比率分析法主要是分析已发生的经济活动,属于事后分析方法,在市场经济的条件下具有一定的滞后性,综合程度低,缺少相关性和预见性。趋势分析法主要是依据财务报表的数据也具有一定的局限性,可是不同时期的财务报表没有可比性。比较分析法是对比分析经济指标来确定指标间的差异和趋势,比较分析法只对具有可比性的指标才能采用,可是数据报表具有一定的局限性,不同时期的数据波动较大,没有可比性,所以就会影响使用比较分析法。

二、数据挖掘在财务分析中的适用性

(一)网络环境中的分析特点

当今社会计算机和信息技术发展迅速,各种财务软件和网络也已经在各种企业中广泛使用,在企业中,会计的核算已经从传统的核算转化为网络会计发展了,它的职能也在同时的加强和扩展。知识资源、文化资源、人力资源和市场顾客资源对企业来说越来越重要,企业可以考虑将他们纳入资产要素的核算范围,扩展企业的核算和财务分析范畴。在网络环境下,资本市场渐渐完善,股东结构也越来越多元化,企业在满足现有的投资者的信息需求同时也必须要吸引潜在投资者的信息需求,增强企业的发展能力。根据投资者的增多,财务方面也要为对方提供具有决策性的信息。企业必须结合外部经济和宏观经济政策全面分析企业内部的经营和发展趋势。在资本的有效运营中,要向财务使用者披露企业的发展前景,预测盈利情况和现金的流量。

(二)数据挖掘为财务分析

提供新的技术支持财务数据挖掘,是一种高效的信息处理技术,具有对会计数据库以及相关业务的数据库中大量的数据进行抽取和转换是财务数据挖掘的特点,财务数据挖掘还能分析和其他模型化的处理,从这里面发现对经济决策有帮助的核心数据,为企业提供真正有用的信息,帮助企业做决策。这样才能满足新时期财务信息使用者的不同要求。数据挖掘技术在各种不同的行业之中都已经投入广泛的使用了,并且得到了非常显著的经济效益,在财务分析中应用财务挖掘技术中,有XBRL语言的有效支持,XML技术的出现提供给了互联网上电子数据交换的一个标准,而且站在数据的角度看,XML技术提供了一个更好的表示数据内容和数据代表的意义的手段,XBRL是XML在网络财务报告语言上的应用,它的作用就是分析大量的财务数据,并提供有效的技术支持。随着时间的发展,数据挖掘已经逐渐稳定,因为它在操作上容易理解,特别是有更多的数据挖掘软件也慢慢的出现,这加大的数据挖掘操作的简单性。数据挖掘核心模块的技术的发展经历了数十年,其中包括有数理统计、人工智能和机器学习等等。很多数据库在并行使用技术,所以就给数据库内部的挖掘提供了机会。在数据库内部进行挖掘,就不需要再移动数据,利用并行处理的性能将数据冗余最小化。将挖掘数据专用的整个冗余的数据库创建和维护成本降低。

(三)数据挖掘在财务分析中的适用性

表现企业财务分析要有明确的内容和目标,就能够准确的定义数据挖掘的任务和目的,在企业中数据挖掘技术下的财务分析具有明显的优势随着科学技术的发展,提高了各个企业特别是一些大型企业的会计电算化水平,完善了企业的财务数据库和生产数据库,这样就能形成一定规模的数据仓库,为数据挖掘提供基础对象,因为在众多经济业务数据中,对于企业财务指标的影响非常的多,只有对它进行深入的挖掘,才能揭示经济数据背后的真正经济业务。

三、数据挖掘的方法

(一)关联规则挖掘分析

反映一个事件与其他事情之间有关相互依赖和关联的知识,在数据挖掘研究中是一个非常重要的分支。可以把关联规则挖掘分为两个部分:①迭代识别所有的频繁项集,不过,对于频繁项集的要求要是支持率不低于用户设置的最低值。②在频繁项集中设置一个可信度不低于用户设定最低值的规则,关联规则算法的核心就是识别或者发现频繁项集,这一部分的计算量也是最大的。在使用关联知识发现时,用户需要自己输入最小置信度C和最小的支持度S,这个数据一般是有专家来给出的。在数据挖掘的研究过程中,研究是热点一直都是关联规则。

(二)主成分分析

在实际的问题之中,不可变量之间有一定相关性的,因为有一些变量比较多的变量之间有一定的相关性,这样一定在分析问题时增加它的复杂性,所以,需要运用一种简单的方法来计算。这种方法必须要在不损失或者尽量少损失原本拥有的信息的情况下,将原来个数比较多,并且彼此相关联的变量转换成新的数量较少并且彼此之间独立或者不相关的综合变量。主成分分析的主要要点就是将之前的变量重新组合成一组新的毫无关联的综合变量,以此来代替原来的变量。简单来说就是将原来的一些有一定相关性的变量重新组合成几个少数无关联性的变量来代替原来的变量。

四、结束语

数据挖掘的结果是具有一定的有实际意义的,不过也有一些没有实际意义的,或着可以说是是与实际情况相违背的,所以,这就需要进行评估。在评估的时候可以利用用户多年的经验,在数据挖掘的步骤中发现的模式进行评估,也可以直接用实际数据来验证模型的正确性,从而调整挖掘模型,再次进行挖掘。不过,数据挖掘的最终目的还是辅助决策。把发现的知识转化为用户能够理解的方式,这样一来,决策者就可以根据数据挖掘的结果,再结合实际情况,将分析所得到的知识集成到财务分析系统中,做出最终的决策。

作者：曹春艳 单位：新疆维吾尔自治区人民医院米东医院