Financial early warning system model anddata mining application for risk detection
Ali Serhan Koyuncugil , Nermin Ozgulbas
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.
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 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 problems, as soon as possible rather than when the problems are beyond their control and reach a crisis.
Therefore, to bring out the financial distress risk factors into open as early warning signals have a vital importance for SMEs as all enterprises. There is no specific method for total prevention for a financial crisis of enterprises. The important point is to set the factors that cause the condition with calmness, to take corrective precautions for a long term, to make a flexible emergency plan towards the potential future crisis.
The aim of this paper is to present an EWS model based on data mining. EWS model was developed for SMEs to detect risk profiles, risk indicators and early warning signs. Chi-Square Automatic Interaction Detector (CHAID) Decision Tree Algorithm was in the study as a data mining method. Remaining of this paper is orga- nized as follows: Section 2 presents definition of EWS. Section 3 contains data mining model for risk detection and early warning system. Implementation of data mining for risk detection and early warning signals is presented in Section 4. Concluding remarks and strategies were suggested in Section 5.
Financial early warning systems
An early warning system (EWS) is a system which is using for predicting the success level, probable anomalies and is reducing crisis risk of cases, affairs transactions, systems, phenomena, firms and people. Furthermore, their current situations and probable risks can be identified quantitatively (Ozgulbas amp; Koyuncugil, 2010). Financial EWS is a monitoring and reporting system that alerts for the probability of problems, risks an
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, Nermin Ozgulbas
摘要
中小企业面临的最大问题之一是由于财务背景不足而导致的财务困境。本研究中，提出了一种基于数据挖掘的财务风险检测预警系统（EWS）模型。CHAID算法已用于EWS的开发。开发的EWS可以像公司决策过程中的量身定制的财务顾问一样，具有自动化性质，适用于财务背景不足的公司。此外，实施的模型的应用涵盖了基于土耳其中央银行（TCB）2007年数据的7853家中小企业。通过使用EWS模型，确定了31个风险概况，15个风险指标，2个预警指标和4个降低财务风险的途径。
关键词：CHAID算法，数据挖掘，预警系统，财务风险，财务困境，中小企业
引言
所有企业尤其是中小企业都需要比以往更早地考虑其业务的全球化层面。特别是对发展中国家而言，除了行政不足，竞争，经济条件，全球化对中小企业的永久威胁，以及财务危机都给企业的业绩造成了困扰和影响。
中小企业被定义为非金融商业经济中雇用少250人的企业（NACE,《欧洲共同体经济活动统计术语》（欧洲共同体经济活动统计分类))。中小企业——雇用250人以上的企业——是大型企业。在中小企业部门，区分了以下规模类：
微型企业，用人不足10人；
小企业，用工至少10人但不足50人；
雇用50至250人的中型企业。
该定义用于统计原因。在欧洲对中小企业的定义中增加了两个额外标准：年营业额应低于5000万欧元，资产负债表总额应低于4300万欧元（委员会建议，2003/361/EC）。
中小企业在所有经济体中发挥着重要作用，是就业和收入的关键来源，也是创新和增长的驱动力。获得融资是中小企业创造，生存和发展的最重大挑战，尤其是创新型企业。财务和经济危机严重加剧了中小企业遭受双重冲击：商品和服务需求急剧下降以及信贷条件收紧，严重影响了他们的现金流（经合组织，2009年）。因此，所有这些因素都会使中小企业陷入财务困境。
企业的失败可能会给债权人，投资者，审计师，财务机构，股东，员工和客户等各方造成重大损失，这无疑也反映了有关国家的经济状况。当有财务问题的企业无法支付其财务义务时，企业可能会陷入成为不良贷款业务的境地，最后，如果问题无法解决，企业可能会破产并破产倒闭。这些业务失败不可避免地影响到所有业务。产生间接破产成本，包括重组或企图重组业务，会记费用，法律费用和其他专业服务成本的费用，以及灾难扩大到其他业务和相关国家的经济状况（Ross,et al,2008;Terdpaopong,2008;Warner,1977）。
了解有助于使企业取得成功的因素非常重要；它也适用于所有相关方了解财务业绩和破产。对于成功企业的财务经理来说，了解他们公司可能采取的行动也很重要。当他们的客户或供应商破产时，他们应该采取行动。同样，他们应该尽快知道自己的地位，时间和地点应采取必要行动以应对财政问题，而不是在问题无法控制并达到危机。
因此，将财务困境风险因素公开化，因为预警信号对中小企业和所有企业都具有重要意义。没有全面预防的具体方法应对企业的金融危机。 重要的一点是要确定导致问题的因素，并采取长期的纠正措施，制定灵活的应急计划，以应对潜在的未来危机。
本文的目的是提出一种基于数据挖掘的EWS模型。EWS模型为中小企业开发，以检测风险概况、风险指标和预警信号。本文研究了一种基于数据挖掘的Chi-Square自动交互检测器决策树算法。本文的其余部分安排如下： 第2节介绍了EWS的定义。第3节包含风险检测预警系统的数据挖掘模型。第4节介绍了风险检测和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
预警系统是一种用于预测成功程度、可能出现的异常情况并降低案件、事务交易、系统、现象、公司和其他方面危机风险的系统 人民。 此外，可以定量地确定其目前的情况和可能的风险(Ozgulbasamp;Koyuncugil，2010年)。 财务预警系统是一个监测和报告系统，在影响公司财务报表之前，对问题、风险和机会的可能性发出警报。 预警系统用于检测财务业绩、财务风险和潜在破产。 预警系统使管理层有机会利用机会避免或减轻潜在问题。几乎所有的财务预警系统都是以财务。从本质上讲，预警系统是一种财务分析技术，它借助财务比率来识别企业因其行业而产生的绩效分析。报表为基础的。资产负债表和收入表是反映预警系统财务状况的数据来源。
为脱离困境企业所作的努力始于Beaver (1966)使用比率对Altman（1968年）的单一和多重判别分析的z评分。使用多变量统计模型的其他重要研究的例子由Deakin（1972）、Altman、Haldeman和Narayanan（1977）、Taffler和Tisshaw（1977）给出，并使用了多重判别模型； 还有Zmijewski（1984）、Zavgren（1985）、Jones（1987）、Pantone和Platt（1987），使用了分数和概率模型；同时采用多元回归模型，由Meyer和Pifer（1970）给出。 除了商业困境研究外，研究人员还专注于监测持续的情况，以发现企业的突然变化或意外风险因素。这些尝试对早期预警系统的研究具有重要意义。下文介绍了以前在中小企业、银行、保险公司进行的一些研究及其研究方法。
Brockett和Cooper（1990年）利用神经网络方法开发了一种EWS模型。首先用24个变量建立模型，然后将变量数减少到8个。 这些变量是股票、资本化比率、资产回报率、资产周转率、应收账款对股票、损失变化和债务对流动资产。
Lee和Urrutia（1996年）比较了分数模型、危险模型、神经网络模型和判别模型，用于开发预警系统。他们为每个模型找到了不同的指标或标志。 他们还确定所有模型的预测能力都是相同的。
Barniv和Hathorn（1997年）通过评估Trieschmann和Pinches（1973年）、Ambrose和Seward（1998年）以及Barniv和Mc Donald的研究，建立了一个基于Logistic回归的预警模型 （1992年）
Laitinen和Chong（1999）提出了利用预警信号预测小企业危机的模型。研究总结了芬兰（72%的回应)和英国(26%)对公司分析师(芬兰)和银行经理(英国）预测中小企业失败的决策过程进行的两项单独研究的结果。这两项研究包括七个主要标题和40多个可能导致失败的因素的小标题。 这两项研究都采用加权平均数来说明这些因素的重要性。这两项研究的结果有显著的相似之处。 管理不善被认为是最重要的因素，其次是会计制度的缺陷和对待顾客的缺陷。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。
杨、凌、海、京（2001）采用人工神经网络(ANN)对银行财务风险进行预警，并对该方法进行了测试。
Salas和Saurina（2002年）比较了1985-1997年期间西班牙商业银行和储蓄银行问题贷款的决定因素，考虑到宏观经济和个别银行层面的变量。 国内生产总值增长率，公司和家庭负债，快速过去的信贷或分行扩张，低效率、投资组合组成、规模、净息差、资本比率和市场力量是解释信用风险的变量。调查结果提出了重要的银行监管政策问题：利用银行级变量作为预警指标，分析不同地区银行合并的优势，以及银行竞争和所有权在确定信用风险中的作用。
Edison（2003）开发了一种可检测金融危机的实用预警系统。该系统监测了几个指标，这些指标往往在危机前表现出不寻常的行为。 当一个指标超过（或低于）一个阈值时，据说它会发出一个“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，但确定了该方法的一些弱点。本文还评价了该系统如何应用于一个国家。结果表明，应将预警系统视为有用的诊断工具。
El-Shazly（2003年）研究了货币危机预警系统经验模型的预测能力。预警系统在信号框架内采用定性响应模型，监测关键经济变量的行为，并在其值超过某些关键水平时发出警告。作者在埃及进行了一项案例研究。 结果表明，该模型，特别是极值模型，在很大程度上反映了外汇市场的动荡和波动危机。
Jacobs和Kuper（2004年）为亚洲六个国家提交了一份预警系统。金融危机分为三类；货币危机、银行危机和债务危机。1970-2001年期间，在由六个亚洲国家组成的小组中，用多元分对数模型检验了指标组的重要性。作者认为，一些货币危机约会计划的表现优于使用其它的预警系统。
Berg、Borensztein和Pattillo（2004年）开发了墨西哥和亚洲危机货币危机预警系统模型。自1999年初以来，货币基金组织工作人员一直在系统地跟踪,作为其更广泛的前瞻性脆弱性评估的一部分，不断在内部和私营机构开发各种模式。本研究详细考察了这些模型在实践中的性能 内部模型的预测在统计和经济上都是实际危机的重要预测因素。总的来说，所研究的短期私营部门模型在样本外表现不佳，尽管样本内表现出色。
Brockett，Golden，Jang和Yang（2006）研究了统计模型和神经网络方法检测人寿保险公司财务困境的效果。他们考虑了两种神经网络方法：反向传播(B P)和学习矢量量化(LVQ)，这两种统计方法；多元判别分析和逻辑回归分析。结果表明，BP和LQV的表现优于传统的统计方法。
Abumustafa（2006年）发现了预测埃及，约旦和土耳其货币危机的预警信号，研究提出了实际汇率，出口，进口，贸易差额/国内生产总值、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，所有危机都是可预测的，预警系统应用于发现危机。
Kyong、Tae、Chiho和Suk（2006）介绍了一种日常财务状况指示器(DFCI)的构建过程，该指示器可用作神经网络和非线性预警信号方案拟订。通过将基于每个财务变量的三个子DFCI集成到最终的DFCI中，完成了DFCI构建的过程。 然后，研究了韩国金融危机预测警报区的可预测性。
Katz（2006年）建议使用预警系统和预警信号。 研究列出了常见的警告标志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；用于资本密集型或制造业业务；并将检查作为问题的指标。
Koyuncugil和Ozgulbas(2007a)的目标是利用数据挖掘，为土耳其伊斯坦布尔证券交易所(ISE)上市的中小企业开发一个金融预警模型。 作者进行了另一项研究(2007b)，并检测到财务风险的预警信号。 采用数据挖掘方法Chi-Square自动交互检测器(CHAID)决策树算法进行财务分析和检测指标。这项研究涵盖了2000年至2005年间在ISE上市的697家中小企业。该项研究的结果是，ISE所列的涵盖中小企业被归类为19个金融支持文件，并确定其中430个企业的财务较差，即61.69%。根据处于金融困境中的中小企业的概况，股本回报率(ROE)将是ISE上市中小企业的金融预警信号。
Koyuncugil和Ozgulbas(2008a)强调了经营风险对中小企业金融困境的影响和重要性，除了金融风险。 作者开发了一个预警模型，该模型考虑了中小企业的定性（运行)和定量(金融）数据。在系统形成过程中，一个易于理解、易于解释和易于应用的功利模型远远不是理论背景的要求，而是被发现的目标 数据与各因素效应水平的识别之间的隐式关系。该模型是通过数据挖掘设计的。
Koyuncugil和Ozgulbas(2009a)开发了一个金融预警模型，用于检测对冲金融风险的操作风险因素。为此，本研究采用CHAID(Chi-Square自动交互检测器)决策树。2008年，这项研究涵盖安卡拉有组织工业区的6.185家公司。研究发现，公司应强调管理人员的教育背景、管理人员的地位、年营业额、公司的营业时间、财务战略的制定者，能源支出，BASEL-II知识，质量标准，并将信用作为操作风险因素，以对冲操作风险和提高财务绩效。
Koyuncugil和Ozgulbas(2009b)利用土耳其中小企业数据挖掘，开发基于业务和金融风险因素的智能金融预警系统模型。这种模式的目的是不要停留在理论结构上，对中小企业来说是可行的，并可供中小企业管理人员使用。根据模型，土耳其中小企业的财务数据是通过土耳其中央银行对资产负债表和损益表进行财务分析获得的。业务数据无法通过资产负债表获得，收入报表是通过中小企业的实地研究收集的。通过数据挖掘和预警信号检测，对模型下一步的财务和运营数据进行了分析。
Davis 和 Karim(2008a)成功地预测了1970-2003年新兴市场和发达国家的大多数银行危机。 Karim还指出，分对数是全球预警系统和针对特定国家预警系统的信号提取的最适当方法。
Davis 和 Karim(2008b)试图评估基于英国和美国经济的分对数和二项式树方法的预警系统是否有助于警告危机。这项研究表明，扩大宏观审慎分析方法适合于预警。
从上面给出的图片可以看出，面向风险检测的预警系统有一个非常大的实现域。此外，上一代商业智能方法数据挖掘加速了这些系统的准确性。预警系统的操作逻辑是基于在学科领域发现意外和非凡的行为。另一方面，数据挖掘是通过复杂的分类进化算法从大量数据中揭示先前未知、有用和有价值的知识、模式和关系的方法，如统计、模式识别、人工智能、机器学习。给出的预警系统和数据挖掘的定义具有有趣的相似性。
为中小企业开发的预警系统必须根据中小企业管理人员的需要进行设计。 因此，系统必须易于理解和使用， 必须根据财务和业务风险因素进行设计 (作为银行和巴塞尔协议II的要求) 并且必须能够智能使用更新数据。
风险
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[241333]，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。
