專利名稱：一種財(cái)務(wù)預(yù)警系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明屬于電子商務(wù)領(lǐng)域。以財(cái)務(wù)預(yù)警相關(guān)的會計(jì)，統(tǒng)計(jì)知識作為基
礎(chǔ)；以R統(tǒng)計(jì)軟件作為底層運(yùn)算工具；以struts實(shí)現(xiàn)頁面邏輯的處理；以 spring實(shí)現(xiàn)業(yè)務(wù)邏輯的控制；以hibernate實(shí)現(xiàn)數(shù)據(jù)層的控制。
背景技術(shù)：
90年代以來，由財(cái)務(wù)危機(jī)引發(fā)企業(yè)破產(chǎn)而逃避債務(wù)的例子屢見不鮮。 如果企業(yè)管理層能夠及早地發(fā)現(xiàn)公司的財(cái)務(wù)，危機(jī)信號，就能夠在財(cái)務(wù)危機(jī) 出現(xiàn)的萌芽階段采取有效措施來改善企業(yè)的經(jīng)營管理，從而有效防范和化 解財(cái)務(wù)危機(jī)。這樣，投資者和債權(quán)人就可以依據(jù)這種信號及時(shí)轉(zhuǎn)移投資， 管理應(yīng)收賬款，政府部門和銀行也會及時(shí)做出信貨決策。
正因?yàn)槿绱?，?cái)務(wù)預(yù)警系統(tǒng)的建立就顯得十分重要。它可以幫助市場 經(jīng)濟(jì)主體降低營運(yùn)風(fēng)險(xiǎn)，保障經(jīng)濟(jì)體制改革的進(jìn)一步深化；可以促進(jìn)我國 資本市場的規(guī)范和健康發(fā)展；可以促使社會資源的進(jìn)一步優(yōu)化配置，提高 整個(gè)社會的資本利用率和盈利水平。
Beaver最早提出財(cái)務(wù)預(yù)警模型。他發(fā)現(xiàn)最好的判別變量是現(xiàn)金流量/ 負(fù)債和凈利潤/總資產(chǎn)，同時(shí)指出越臨近破產(chǎn)日，誤判的概率就越低。
Altman首先使用了多元線性判定模型(，也就是Z Score模型)來研究 公司的破產(chǎn)問題。他還提出了判斷企業(yè)破產(chǎn)的臨界值。
Ohlson是第一個(gè)采用Logit方法進(jìn)行破產(chǎn)預(yù)測的。他發(fā)現(xiàn)至少存在四 類影響公司破產(chǎn)概率的變量公司規(guī)模，資本結(jié)構(gòu)，業(yè)績和當(dāng)前的融資能 力。同時(shí)他也是最早釆用Probit方法進(jìn)行財(cái)務(wù)預(yù)警研究分析了樣本公司 在破產(chǎn)概率區(qū)間上的分布以及兩類錯(cuò)誤和判別閥值點(diǎn)之間的關(guān)系。
周首華，楊濟(jì)華對Z分?jǐn)?shù)模式加以改造，建立了財(cái)務(wù)危機(jī)預(yù)測的新模 式一F分?jǐn)?shù)模式。它可以更準(zhǔn)確地預(yù)測出企業(yè)是否存在潛在的財(cái)務(wù)危機(jī)。
陳靜發(fā)現(xiàn)資產(chǎn)負(fù)債率，流動(dòng)比率，總資產(chǎn)收益率，凈資產(chǎn)收益率四 項(xiàng)財(cái)務(wù)指標(biāo)的預(yù)測能力較強(qiáng)。
高培業(yè)，張道奎研究表明我國非上市企業(yè)成功與否主要取決于負(fù)債比率(對制造業(yè)企業(yè)而言)，營運(yùn)資本比率(對非制造業(yè)企業(yè)而言)和獲利 能力。
張玲研究得出樣本模型在公司戴帽前4年具有超前的預(yù)測能力。
陳曉，陳治鴻研究表明負(fù)債權(quán)益比率，應(yīng)收賬款周轉(zhuǎn)率，主營業(yè)務(wù) 利潤/總資產(chǎn)，留存收益/總資產(chǎn)具有較強(qiáng)的預(yù)測能力。
吳世農(nóng)，盧賢義建立三種預(yù)測財(cái)務(wù)困境的模型，研究發(fā)現(xiàn)相對同一 信息集而言，Logit預(yù)測模型的誤判率最低。
張艷研究發(fā)現(xiàn)離破產(chǎn)的時(shí)間越近，預(yù)測的精度就越高。在所有的預(yù) 測指標(biāo)中，主營業(yè)務(wù)利潤/總資產(chǎn)這一指標(biāo)具有異乎尋常的前瞻預(yù)測能力。
程濤構(gòu)建綜合預(yù)測模型。研究表明在公司進(jìn)入財(cái)務(wù)困境前一年的研 究中，使用財(cái)務(wù)指標(biāo)的預(yù)測效果比較好，而在前兩年，前三年的預(yù)測中， 使用財(cái)務(wù)指標(biāo)和現(xiàn)金管理特征變量的效果比較好。
如今，現(xiàn)代化信息技術(shù)不斷發(fā)展，尤其是計(jì)算機(jī)技術(shù)應(yīng)用不斷突破。 如何利用先進(jìn)的技術(shù)解決現(xiàn)實(shí)生活中的問題擺在人們的面前。

發(fā)明內(nèi)容
本發(fā)明的目的是提供一種財(cái)務(wù)預(yù)警系統(tǒng)，包括
(1) 對于財(cái)務(wù)預(yù)警系統(tǒng)引入指標(biāo)預(yù)測分析功能，針對關(guān)鍵財(cái)務(wù)指標(biāo) 給出時(shí)間序列預(yù)測，為相關(guān)管理者提供更加完善的決策依據(jù)。
(2) 對于財(cái)務(wù)預(yù)警系統(tǒng)引入樣本指標(biāo)預(yù)處理功能，為研究的科學(xué)性 打下基礎(chǔ)。
(3) 將R統(tǒng)計(jì)軟件作為底層運(yùn)算工具。 (4 )以struts實(shí)現(xiàn)頁面邏輯的處理。
(5 )用spring實(shí)現(xiàn)業(yè)務(wù)邏輯的控制。 (6)利用hibernate實(shí)現(xiàn)數(shù)據(jù)層的控制。
本發(fā)明的財(cái)務(wù)預(yù)警系統(tǒng)具有方便，實(shí)用，準(zhǔn)確，動(dòng)態(tài)，實(shí)時(shí)的優(yōu)點(diǎn)。


以下，結(jié)合附圖來詳細(xì)說明本發(fā)明的實(shí)施例，其中 圖1為本發(fā)明的財(cái)務(wù)預(yù)警系統(tǒng)的示意圖。
具體實(shí)施例方式
圖1為本發(fā)明的財(cái)務(wù)預(yù)警系統(tǒng)的示意圖。從圖中可以看出，該系統(tǒng)主
要由三個(gè)模塊構(gòu)成預(yù)處理模塊；財(cái)務(wù)預(yù)警模塊；財(cái)務(wù)預(yù)測模塊。其中財(cái) 務(wù)預(yù)警模塊包括Z模型預(yù)警；F模型預(yù)警；Logit模型預(yù)警，對于每一類 模型均提供了讀取預(yù)警結(jié)果的功能。財(cái)務(wù)預(yù)測模塊包括自回歸模型預(yù)測； 自回歸滑動(dòng)平均模型預(yù)測；ARIMA模型預(yù)測；指數(shù)平滑模型預(yù)測，對于 每一類財(cái)務(wù)指標(biāo)提供了預(yù)測結(jié)果查詢的功能。預(yù)處理模塊按照一定的統(tǒng)計(jì) 篩選方法，確定一個(gè)樣本序列中那些遠(yuǎn)離樣本主體的點(diǎn)(奇異點(diǎn))。比如 操作員在數(shù)據(jù)輸入過程中，由于看錯(cuò)單位而造成數(shù)據(jù)之間量級上的差異， 利用該模塊即能找出輸入錯(cuò)誤的點(diǎn)。對于每一個(gè)財(cái)務(wù)指標(biāo)提供了讀取數(shù) 據(jù)，讀取密度圖，讀取箱線圖，讀取奇異點(diǎn)的功能。
權(quán)利要求
1.一種財(cái)務(wù)預(yù)警系統(tǒng)，以財(cái)務(wù)預(yù)警相關(guān)的會計(jì)，統(tǒng)計(jì)知識作為基礎(chǔ)建立相應(yīng)的預(yù)警模型，不僅依據(jù)指標(biāo)實(shí)現(xiàn)了預(yù)警功能，還針對單個(gè)指標(biāo)利用時(shí)間序列分析等方法實(shí)現(xiàn)了預(yù)測等功能，同時(shí)還具有對于指標(biāo)預(yù)處理功能；以R統(tǒng)計(jì)軟件作為底層運(yùn)算工具；以struts實(shí)現(xiàn)頁面邏輯的處理；以spring實(shí)現(xiàn)業(yè)務(wù)邏輯的控制；以hibernate實(shí)現(xiàn)數(shù)據(jù)層的控制。
全文摘要
本發(fā)明公開了屬于電子商務(wù)技術(shù)范圍內(nèi)的具有預(yù)測、預(yù)警、預(yù)處理作用的一種財(cái)務(wù)預(yù)警系統(tǒng)。主要由三個(gè)模塊構(gòu)成預(yù)處理模塊；財(cái)務(wù)預(yù)警模塊；財(cái)務(wù)預(yù)測模塊。其中財(cái)務(wù)預(yù)警模塊包括Z模型預(yù)警；F模型預(yù)警；Logit模型預(yù)警。財(cái)務(wù)預(yù)測模塊包括自回歸模型預(yù)測；自回歸滑動(dòng)平均模型預(yù)測；ARIMA模型預(yù)測；指數(shù)平滑模型預(yù)測。預(yù)處理模塊按照一定的統(tǒng)計(jì)篩選方法，確定一個(gè)樣本序列中那些遠(yuǎn)離樣本主體的點(diǎn)(奇異點(diǎn))。比如操作員在數(shù)據(jù)輸入過程中，由于看錯(cuò)單位而造成數(shù)據(jù)之間量級上的差異，利用該模塊即能找出輸入錯(cuò)誤的點(diǎn)。
文檔編號G06Q10/00GK101339631SQ20071011848
公開日2009年1月7日 申請日期2007年7月6日 優(yōu)先權(quán)日2007年7月6日
發(fā)明者梁靈俊 申請人:梁靈俊