[摘 要]本文在企业财务绩效评价指标体系的基础上,提出了一种基于SVM的企业绩效综合测评方法,建立了相应的数学模型。实证分析以及该方法与BP神经网络仿真结果的比较表明,SVM方法能达到更令人满意的评价效果。
[关键词]企业绩效;SVM;综合评价
[中图分类号]F272.5;F224.0 [文献标识码]A [文章编号]1673-0194(2007)10-0042-03
1 引 言
对企业的绩效进行综合评价是企业管理中的一项重要而又困难的工作,其正确性取决于多方面的因素。迄今为止,系统评价的方法主要有AHP方法、模糊综合评判法、灰色关联分析法、多元统计分析法等。这些方法在不同程度上都有一定的效果,但也都有各自的局限性。以神经网络为代表的非线性建模方法一度给经济预测与评价带来了希望,理论上也证明了在选择适当的隐层数及相应神经元数目下,前馈神经网络能以任意精度逼近任意非线性函数。然而在实际应用中,由于神经网络存在的一些缺陷,使得神经网络应用到实际经济管理问题的预测与评价中还存在一定的问题,如网络结构优化、收敛速度得不到保障,易陷入局部最优及泛化性能等问题。由Vapnik等提出的统计学习理论(Statistic Learning Theory,SLT)发展而来的核方法(Kernel Method,KM)实现了数据空间与特征空间之间的非线性映射,可以有效地将数据空间中的各种非线性操作演变为特征空间中相应的线性操作,进而大大地提高了非线性处理能力。本文在文献[2]的基础上,针对神经网络方法受网络结构复杂性和样本复杂性的影响较大,易出现过学习现象等问题,尝试采用一种性能优良的核方法——SVM方法对企业绩效进行评价,它能较好地解决小样本、非线性、高维数、局部极小点等实际问题,为企业绩效评估提供了一种新方法。
2 企业自我实现能力评价体系
建立合理的评价指标体系是企业绩效评价模型建立的基础,指标体系的设计是为了正确地对企业绩效进行综合评价。指标体系的设计应遵循科学性、先进性、系统性和可测性原则。指标体系的科学性在于它能够客观地反映企业财务状况和经营成果。为方便比较,本文采用文献[2]的评价指标体系,主要从财务效益状况、资产营运状况、偿债能力状况以及发展能力状况4个方面来全面综合考核企业绩效,具体指标体系构成如表1。
注:本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文