Expert Systems with Applications 39 (2012) 6238–6253
Contents lists available at SciVerse ScienceDirect
Expert Systems with Applications
journal homepage: www.elsevier.com/locate/eswa
Financial early warning system model anddata mining application for risk detection
Ali Serhan Koyuncugil a,uArr;, Nermin Ozgulbas b
a Capital Markets Board of Turkey, Research Department, Eskisehir Yolu 18.km., Ankara, Turkey
b Baskent University, School of Health Sciences, Department of Healthcare Management, Eskisehir Yolu 20.km., Ankara, Turkey
a r t i c l e i n f o
Keywords:
CHAID
Data mining
Early warning systems Financial risk Financial distress SMEs
a b s t r a c t
One of the biggest problems of SMEs is their tendencies to financial distress because of insufficient finance background. In this study, an early warning system (EWS) model based on data mining for finan- cial risk detection is presented. CHAID algorithm has been used for development of the EWS. Developed EWS can be served like a tailor made financial advisor in decision making process of the firms with its automated nature to the ones who have inadequate financial background. Besides, an application of the model implemented which covered 7853 SMEs based on Turkish Central Bank (TCB) 2007 data. By using EWS model, 31 risk profiles, 15 risk indicators, 2 early warning signals, and 4 financial road maps has been determined for financial risk mitigation.
copy; 2011 Elsevier Ltd. All rights reserved.
- Introduction
All enterprises especially SMEs need to think about global dimensions of their business earlier than ever. Especially in devel- oping countries, in addition to the administrative insufficiencies, competition, economical conditions, the permanent threat towards SMEs from globalization, and financial crisis have caused distress and affect firmsrsquo; performance.
SMEs are defined as enterprises in the non-financial business economy (NACE, Nomenclature statistique des activiteacute;s eacute;conomi- ques dans la Communauteacute; europeacute;enne (Statistical classification of economic activities in the European Community)) that employ less than 250 persons. The complements of SMEs – enterprises that em- ploy 250 or more persons – are large scale enterprises (LSEs). With- in the SME sector, the following size-classes are distinguished:
Micro enterprises, employing less than 10 persons.
●
Small enterprises, employing at least 10 but less than 50 persons.
●
Medium-sized enterprises that employ between 50 and 250 persons.
●
This definition is used for statistical reasons. In the European definition of SMEs two additional criteria are added: annual turn- over should be less than 50 million euro;, and balance sheet total
should be less than 43 million euro; (Commission Recommendation,
2003/361/EC).
SMEs play a significant role in all economies and are the key generators of employment and income, and drivers of innovation
uArr; Corresponding author. Tel.: 90 5326657084; fax: 90 3122466670.
E-mail address: askoyuncugil@gmail.com (A.S. Koyuncugil).
and growth. Access to financing is the most significant challenges for the creation, survival and growth of SMEs, especially innova- tive ones. The problem is strongly exacerbated by the financial and economic crisis as SMEs have suffered a double shock: a drastic drop in demand for goods and services and a tightening in credit terms, which are severely affecting their cash flows (OECD, 2009). As a result, all these factors throw SMEs in financial distress.
The failure of a business is an event which can produce substan- tial losses to all parties like creditors, investors, auditors, financial institutions, stockholders, employees, and customers, and it undoubtedly reflects the economics of the countries concerned. When a business with financial problems is not able to pay its financial obligations, the business may be driven into the situation of becoming a non-performing loan business and, finally, if the problems cannot be solved, the business may become bankrupt and forced to close down. Those business failures inevitably influ- ence all businesses as a whole. Direct and indirect bankruptcy costs are incurred which include the expenses of either liquidating or an attempting to reorganize businesses, accounting fees, legal fees and other professional service costs and the disaster broadens to other businesses and the economics of the countries involved (Ross, Westerfield, amp; Jordan, 2008; Terdpaopong, 2008; Warner, 1977).
The awareness of factors that contribute to making a business successful is important; it is also applicable for all the related par- ties to have an understanding of financial performance and bank- ruptcy. It is also important for a financial manager of successful firms to know their firmrsquo;s possible actions that should be taken when their customers, or suppliers, go into bankruptcy. Similarly, firms should be aware of their own status, of when and where they should take necessary actions in response to their financial
0957-4174/$ - see front matter copy; 2011 Elsevier Ltd. All rights reserved. doi:lt;
剩余内容已隐藏，支付完成后下载完整资料
财务预警系统模型和风险检测数据挖掘应用
Ali Serhan Koyuncugil a,uArr;, Nermin Ozgulbas b
a Capital Markets Board of Turkey, Research Department, Eskisehir Yolu 18.km., Ankara, Turkey(地点)
b Baskent University, School of Health Sciences, Department of Healthcare Management, Eskisehir Yolu 20.km., Ankara, Turkey(地点)
摘要：
中小企业最大问题之一是它们由于缺乏足够的金融资金，他们所面对的财政困境的倾向。本文提出了一种基于数据挖掘的金融风险预警系统(EWS)模型。卡方自动交互检测法以用于金融风险预警系统中，这种系统可以像一个量身定制的财务顾问一样在公司的决策过程中对那些没有足够财务的人来说是自动化并有帮助的。根据土耳其中央银行(TCB)2007年所提供的数据中显示，EWS模型已涵盖7853家中小企业。这个EWS模型中，31个风险简介，15个风险指标，2个预警信号和4个金融路线图，以确定用于降低财务风险。
copy;2011 Elsevier Ltd. 保留所有权益
关键词：卡方自动交互检测法，数据挖掘，预警系统，财务风险，财政困难，中小企业。
- 导言
所有企业，特别是中小企业，都需要考虑他们的业务规模比以往任何时候都要早。特别是在发展中国家，除了行政上的不足、竞争以及经济状况，对全球化和金融危机给中小企业带来了困扰以及影响到公司业绩。
中小企业被定义为非金融商业经济(NACE,欧洲共同体经济活动的统计分类)中雇佣少于250人的企业。中小企业的补充是大型企业(LSE),即雇佣250人或250人以上的企业。在中小企业领域，区分了一下规模类别：
微型企业-从业人员10人以下；
小型企业-从业人员10人以上50人以下；
中型企业-从业人员50人以上250人以下。
-此定义用于统计。
在欧洲对中小企业的定义中，增加了两项附加标准：
①年营业额应低于5000万欧元；
②资产负债表总额有应低于4300万欧元。(委员会建议，2003/361/EC).
中小企业在所有经济体中都发挥着重要作用，十九页和收入的主要来源，也是创新和增长的动力。获得融资是中小企业，特别是创新型中小企业的创建、生存和发展面临的最大挑战。金融和经济危机使这一问题更加严重，因为中小企业遭受了双重打击：对商品和服务的需求急剧下降，信贷紧缩，严重影响了他们的现金流(OECD,2009)。因此，所有这些有尿素都使中小企业陷入财经困境。
企业破产是给债权人、投资者、审计师、金融机构、股东、雇员和客户等各方造成重大损失的事件，它无疑反映了有关国家的经济状况企业可能会陷入成为不良贷款企业的境地，最后，如果问题无法解决，企业可能会破产并被迫关闭。这些商业失败不可避免地影响到整个企业。直接和间接破产成本包括清算或试图重组业务的费用、会计费用、法律费用和其他专业服务费用，灾难扩大到其他业务和相关国家的经济(Ross, Westerfield, amp; Jordan, 2008; Terdpaopong, 2008; Warner,1977).
了解有助于企业成功的因素是很重要的；了解财务业绩和破产也适用于所有相关部门。对于成功公司的财务经理来说，了解公司在客户或供应商破产时可能采取的行动也是很重要的。同样，企业也应该意识到自己的地位，意识到自己应该在何时何地采取必要的行动来应对自己的财务问题，而不是在问题超出自己的控制范围并达到危机的时候。
因此，将财务困境的风险因素作为预警信号公开化，对中小企业和所有企业都具有重要意义。企业财务危机的全面防范还没有具体的方法。重要的一点是要冷静地设置导致这种情况的因素，长期采取纠正性预防措施，针对未来可能发生的危机制定灵活的应急预案。
本文提出了一种基于数据挖掘的EWS模型。为中小企业开发了EWS模型，以检测风险状况、风险指标和预警信号。卡方自动交互检测器（CHAID）决策树算法作为一种数据挖掘方法正在研究中。本文的剩余部分安排如下：第2节介绍了EWS的定义。第三节介绍了风险检测预警系统的数据挖掘模型，第四节介绍了风险检测预警信号数据挖掘的实现。第5节提出了结论意见和战略。
- 财务预警系统
预警系统（EWS）是一个用来预测成功程度、可能出现的异常情况、降低案件、事务处理、系统、现象、企业和人员的危机风险的系统。此外，他们的现状和可能的风险可以定量地识别（Ozgulbasamp;Koyuncugil，2010）。财务预警系统是一个监控和报告系统，在问题、风险和机遇影响企业财务报表之前，对它们的可能性发出警报。EWS用于检测财务绩效、财务风险和潜在破产。EWS为管理层提供了一个利用机会避免或缓解潜在问题的机会。几乎所有的财务EWS都基于财务报表。资产负债表和收益表是反映预警系统财务真实性的数据源。从本质上讲，预警系统是一种财务分析技术，它借助于财务比率来识别企业所处行业的业绩分析。
1968年，Beaver（1966）在对Altman进行单因素和多因素判别分析时使用了基于比率的z-score，以此作为区分困境企业的起点。Deakin（1972）、Altman、Haldeman和Narayanan（1977）、Taffler和tishaw（1977）用多重判别模型给出了使用多变量统计模型的其他重要研究的例子；Zmijewski（1984）、Zavgren（1985）、Jones（1987）、Panta lone和Platt（1987）也给出了这些例子，同时，Meyer和Pifer（1970）给出了多元回归模型。除了对企业经营困境的研究外，研究者们还关注于对企业经营状况的监测，以发现企业的突发性变化或突发性风险因素，这些尝试为企业经营困境预警系统的研究奠定了重要的基础。下文介绍了一些以前在中小企业、银行、保险公司进行的研究，即它们的研究方法。
Brockett和Cooper（1990）利用神经网络方法开发了EWS。该模型首先建立了24个变量，然后将变量减少到8个，这些变量分别是股权、资本化率、资产收益率、资产周转率、应收账款对股权、亏损变动、负债对流动资产。
Lee和Urrutia（1996）比较了多元逻辑、危害、神经网络和判别模型在建立预警系统中的应用。他们发现每一个模型都有不同的指标或征兆，并且他们确定所有模型的预测能力都是相同的。
Barniv和Hathorn（1997）通过评估保险公司对Trieschmann和Pinches（1973）、Ambrose和Seward（1998）以及Barniv和McDonald（1992）的研究，开发了基于逻辑回归的预警模型。
Laitinen和Chong（1999）提出了一个利用预警信号预测小企业危机的模型。研究摘要对芬兰（72%）和英国（26%）分别进行的关于企业分析师（芬兰）和银行经理（英国）预测中小企业失败的决策过程的研究结果进行了总结。这两项研究包括7个主要标题和40多个可能导致失败的因素小标题。两项研究均采用加权平均数来说明这些因素的重要性。两项研究的结果有显著的相似之处。管理不称职被认为是最重要的因素，其次是会计制度的缺陷和对顾客的态度。然而，在芬兰，会计人员士气低落被认为是一个非常重要的因素，但在英国则不然。
Yang, Ling, Hai, Jing（2001）利用人工神经网络（ANN）对银行财务风险进行预警，并对该方法进行了检验。
Salas和Saurina（2002）比较了1985-1997年间西班牙商业银行和储蓄银行问题贷款的决定因素，同时考虑了宏观经济和个别银行层面的变量。GDP增长率、企业和家庭负债、过去快速的信贷或分行扩张、效率低下、投资组合构成、规模、净息差、资本比率和市场力量是解释信贷风险的变量。研究结果提出了重要的银行监管政策问题：使用银行层面的变量作为预警指标，不同地区银行合并的优势，以及银行竞争力和所有权在确定信贷风险中的作用。
爱迪生（2003）开发了一个可操作的预警系统（EWS），可以检测金融危机。该系统监测了在危机发生前往往表现出异常行为的多项指标。当一个指标超过（或低于）一个临界值时，就意味着它发出了一个“信号”，表明货币危机可能在给定的时期内发生。该模型在1997/1998年的危机中进行了测试，但发现了该方法的一些弱点。本文还评估了如何将这一制度应用于单个国家。结果表明，早期预警系统是一种有用的诊断工具。
El Shazly（2003）研究了货币危机预警系统的经验模型的预测能力。EWS采用信号框架内的定性响应模型，该模型监测关键经济变量的行为，并在其值超过特定临界水平时发出警告。作者在埃及进行了一个案例研究。结果表明，该模型，特别是极值模型，较好地捕捉了外汇市场的动荡和危机的爆发。
Jacobs和Kuper（2004）为亚洲六个国家介绍了EWS。金融危机可分为三类：货币危机、银行危机和债务危机。指标组的显著性在1970-2001年期间在一个由六个亚洲国家组成的小组中用多元logit模型进行了检验。作者发现，使用EWS的一些货币危机测年计划的表现优于其他计划。
Berg、Borensztein和Pattillo（2004年）为墨西哥和亚洲危机开发了货币危机预警系统模型。自1999年初以来，国际货币基金组织工作人员一直在持续系统地跟踪内部和私人机构开发的各种模型，作为其更广泛的前瞻性脆弱性评估的一部分。本研究详细检视了这些模式在实务中的表现。内部模型的预测是实际危机的统计和经济显著预测。总体而言，尽管样本表现出色，但所研究的短期私营部门模型在样本外表现不佳。
Brockett，Golden，Jang，and Yang（2006）研究了统计模型和神经网络方法对发现陷入财务困境的寿险公司的影响。他们考虑了两种神经网络方法：反向传播（BP）和学习矢量量化（LVQ），两种统计方法；多元判别分析和logistic回归分析。结果表明，BP算法和LQV算法优于传统的统计方法。
Abumustafa（2006）预测了埃及、约旦和土耳其货币危机的预警信号。该研究提出了实际汇率、出口、进口、贸易差额/国内生产总值（GDP）、外国负债/外国资产、国内实际利率、世界油价和政府消费/GDP作为预测货币风险的指标。结果表明，所有的危机都是可预测的，预警系统应该用于发现危机。
Kyong，Tae，Chiho，and Suk（2006）提出了一个每日财务状况指标（DFCI）的构建过程，该指标可以用神经网络和非线性规划作为预警信号。根据各财务变量，将三个子DFCI集成到最终的DFCI中，完成了DFCI的构建过程。然后研究了韩国金融危机预警区的可预测性。
Katz（2006）提出使用EWS和早期预警信号。研究列出了常见的预警信号和解决问题的最佳方法。这些是：工资税、销售税和其他信托义务；与执行管理层和公司领导的沟通；应收账款；客户和产品盈利能力；应付账款；库存、管理；资本密集型或制造业务；以及作为问题指标的检查。
Koyuncugil和Ozgulbas（2007a）旨在利用数据挖掘为土耳其伊斯坦布尔证券交易所（ISE）上市的中小企业建立财务预警模型。作者进行了另一项研究（2007b），发现了金融风险的预警信号，并将数据挖掘方法Chi-Square自动交互检测器（CHAID）决策树算法应用于金融分析和信号检测的研究中。这项研究涵盖了2000年至2005年间在ISE上市的697家中小企业。根据研究结果，将中小企业纳入中小企业财务报告的19个类别，确定其中430个财务状况不佳，即61.69%，根据中小企业财务困境的情况，净资产收益率（ROE）将成为中小企业财务预警信号。
Koyuncugil和Ozgulbas（2008a）强调了操作风险在中小企业财务困境中的作用和重要性，同时也强调了财务风险。作者开发了一个早期预警模型，其中考虑了中小企业的定性（运营）和定量（财务）数据。在系统的形成过程中，通过发现数据之间的隐含关系，识别各因素的影响程度，有针对性地提出了一个不符合理论背景要求、易于理解、易于解释、易于应用的功利模型。该模型是由数据挖掘技术设计的。
Koyuncugil和Ozgulbas（2009a）开发了一个金融预警模型，该模型检测了对冲金融风险的操作风险因素。为此，研究使用了CHAID（卡方自动交互检测器）决策树。2008年，这项研究覆盖了安卡拉有组织工业区的6185家企业。研究发现，企业应重视管理者的教育背景、管理者的地位、年营业额、企业的经营年限、财务战略制定者、能源支出、对BASEL II的了解、质量标准，利用信用作为操作风险因素，对冲操作风险，提高财务绩效。
Koyuncugil和Ozgulbas（2009b）利用数据挖掘技术为土耳其中小企业开发了基于运营和财务风险因素的智能财务预警系统模型。该模型的目的是不停留在理论结构上，不适用于中小企业，不适
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[241337]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
