资源描述：
《基于拓展贝叶斯决策模型的云计算类企业财务风险实证》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。
1、DOI:10.13546/j.cnki.tjyjc.2013.24.061企业管理基于拓展贝叶斯决策模型的云计算类企业财务风险实证廖阳（厦门大学管理学院,福建厦门361005）摘要：以经典概率学中的贝叶斯决策理论模型为基础展开了研究。确定了以模糊数学中的隶属度原理作为突破口，将离散的、间隔的数据转化为概率空间的连续数据，并基于连续的隶属度函数对概率空间进行了正交划分。随后选择实证对象，并进行对应的基础调研，获得研究所需的基础数据，从而利用构造的理论模型进行了实证研究，针对不同风险类型的企业提出了不同的治理、决策建议
2、。关键词：上市企业；云计算；贝叶斯决策;财务风险；计量经济中图分类号：F275文献标识码：A文章编号：1002-6487（2013）24-0179-04值范围，参照公式（1），我们知道隶属度的取值范围为1拓展贝叶斯决策模型构建φ(X)∈[0,1]。目前已知的函数族中，反正切函数是满足这种取值与映射要求的。基于以上理论，我们自主构建了符1.1关键指标确定合上市公司发展特征的隶属度函数，其具体形式如（2）：为了完成对上市公司的财务风险模型研究工作，我们ì11lXpi首先需要确定关键指标[1]过反复论证，我们最终选择一下
3、ïï2+πarctag(∑(api×(m))),Xj∈[0,+∞),Xp∈[0,+∞)ïi=0Xï∑j九个指标作为关键指标，它们依次为：营业收入、净利润、ïïj=1ï()总资产、所有者权益合计(包含少数股东权益)、营业成本、Lsd(X)=ïmpílX销售费用、管理费用、财务费用、投资收益。由于研究对象ïï11piï2-πarctag(∑(api×(-m))),Xj∈(-∞,0],Xp∈(-∞,0]为具有同样性质的企业，它们在九个具体指标上的数据存ïi=0ïï∑Xjïj=1在差异，无法进行对应的横向比较，因此，我们采
4、用标准化ï()îm的方法，对其预处理。即采用某对象的某年的某个具体指（2）标数据除以该对象同年的总资产数据，得到标准化处理后说明：Xp代表具体的指标数据；Lsd(Xp)代表该数据对的指标项数据。应的隶属度；Xj代表同指标下的所有数据，其数据总项数1.2隶属度模型构建由m决定；api为对应的i阶贡献系数，阶数的取值范围为按照模糊数学的理论，经济领域的各种指标的发展不[2]i∈[0,l]；arctag代表反正切函数。能用0或者1来衡量，而应采用隶属度函数性处理。该函数具有性质(1)：另一方面，就隶属度而言，其具体的取值
5、是由其自身limφ(xi)=1;limφ(xi)=0;limφ(xi)=0.5（1）数值的特性决定（3）：xi→+∞xi→-∞xi→ajXiX1Xm说明：xi为第i个指标项对应的数据；φ(xi)为第i个指标Lsd(Xi)=Rank(Zzc,Zzc:Zzc)（3）imm项取值xi时对应的隶属度；aj为第i个指标项的“中点”。说明：Xj代表具体对象的某个指标在i年的数据；Zzci考虑到上市公司发展的两级性，ST公司、非ST公司。代表具体对象在i年的总资产；Rank为求序（正向序）函数，这两类公司在业务发展中，各项指标数
6、据可能会在一个较Xi具体计算具体对象的某个指标的相对权重（）在整个大的数值区间内变动。因为无法限定其具体的变化区间，Zzci我们不妨将其指标项数据取值区间延拓到整个实数轴上，时间序列中的排位。即认为任意一个指标项X∈(-∞,+∞)，这样我们就确定结合公式（2）与公式（3）我们即可确定具体对象的某了指标项的取值范围。接下来，我们需要确定隶属度的取个指标项的隶属度关系，具体参见（4）：基金项目：国家自然科学基金青年项目（71002043）；霍英东教育基金会青年教师基础研究项目（131083）作者简介：廖阳(1976-)
7、，女，福建泉州人，博士，讲师，研究方向：税务与审计。统计与决策２０13年第24期·总第396期179企业管理ì11lXp1.4贝叶斯概率确定iïï2+πarctag(∑(api×(m))),Xj∈[0,+∞),Xp∈[0,+∞)ïi=0X在此，我们将采用前述的分析方法，来确定贝叶斯概率ï∑jï[4]ïj=1公式的具体实现。按照贝叶斯概率公式，有公式（8）成立：ï()Rank(Xi,X1:Xm)=ïmP(A1
8、B1)P(B1)ZzcZzcZzcílXP(B1
9、A1)=n（8）immïï11pi1ï2-πarctag(
10、∑(api×(-m))),Xj∈(-∞,0],Xp∈(-∞,0]∑P(A1
11、Bi)P(Bi)ïi=0ïï∑Xji=1ïj=1说明：P(B
12、A)代表事件A发生时，事件B发生的概ï()1111îm率；P(A1
13、Bi)代表事件Bi发生时，事件A1发生的概率；P(Bi)（4）代表事件Bi发生的概率。从公式（4）可以看出，目前还需确定的参数只有每一针对该公式，以及前述
