人工智能技術(shù)在財(cái)務(wù)管理中的應(yīng)用

人工智能技術(shù)在財(cái)務(wù)管理中的應(yīng)用學(xué)院專(zhuān)業(yè)研究方向?qū)W生姓名學(xué)號(hào)任課教師姓名任課教師職稱(chēng)2012年 前言人工智能(ArtificialIntelligence)，英文縮寫(xiě)為AI。它是研究、開(kāi)發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門(mén)新的技術(shù)科學(xué)。人工智能是計(jì)算機(jī)科學(xué)的一個(gè)分支，它企圖了解智能的實(shí)質(zhì)，并生產(chǎn)出一種新的能以人類(lèi)智能相似的方式做出反應(yīng)的智能機(jī)器，該領(lǐng)域的研究包括機(jī)器人、語(yǔ)言識(shí)別、圖像識(shí)別、自然語(yǔ)言處理和專(zhuān)家系統(tǒng)等。目前能夠用來(lái)研究人工智能的主要物質(zhì)基礎(chǔ)以及能夠?qū)崿F(xiàn)人工智能技術(shù)平臺(tái)的機(jī)器就是計(jì)算機(jī)，人工智能的發(fā)展歷史是和計(jì)算機(jī)科學(xué)技術(shù)的發(fā)展史聯(lián)系在一起的。除了計(jì)算機(jī)科學(xué)以外，人工智能還涉及信息論、控制論、自動(dòng)化、仿生學(xué)、生物學(xué)、心理學(xué)、數(shù)理邏輯、語(yǔ)言學(xué)、醫(yī)學(xué)和哲學(xué)等多門(mén)學(xué)科。人工智能學(xué)科研究的主要內(nèi)容包括：知識(shí)表示、自動(dòng)推理和搜索方法、機(jī)器學(xué)習(xí)和知識(shí)獲取、知識(shí)處理系統(tǒng)、自然語(yǔ)言理解、計(jì)算機(jī)視覺(jué)、智能機(jī)器人、自動(dòng)程序設(shè)計(jì)等方面。人工智能技術(shù)發(fā)展如火如荼，其已滲透到人類(lèi)經(jīng)濟(jì)社會(huì)的各個(gè)角落，深刻地影響著人們的生產(chǎn)、生活和學(xué)習(xí)。文章在對(duì)人工智能技術(shù)發(fā)展進(jìn)行回顧的基礎(chǔ)上，指出人工智能技術(shù)的發(fā)展趨勢(shì)，展示人工智能技術(shù)在財(cái)務(wù)管理中的應(yīng)用前景。述、診斷、分析、驗(yàn)證，作為結(jié)合技術(shù)、理念和財(cái)務(wù)管理環(huán)境而作出最終決策的依據(jù)。財(cái)務(wù)管理專(zhuān)家系統(tǒng)的思路是把復(fù)雜財(cái)務(wù)問(wèn)題分解成一些比較容易的子問(wèn)題，再通過(guò)搜索和問(wèn)題歸結(jié)實(shí)現(xiàn)求解。智能財(cái)務(wù)管理的專(zhuān)家系統(tǒng)是智能化的專(zhuān)家系統(tǒng)，智能財(cái)務(wù)管理的專(zhuān)家系統(tǒng)按財(cái)務(wù)管理內(nèi)容可分為籌資管理專(zhuān)家系統(tǒng)(含資金管理)、投資管理專(zhuān)家系統(tǒng)、營(yíng)運(yùn)管理專(zhuān)家系統(tǒng)(含風(fēng)險(xiǎn)管理、危機(jī)管理)和分配管理專(zhuān)家系統(tǒng)。上述每個(gè)系統(tǒng)又可嵌入財(cái)務(wù)規(guī)劃與預(yù)測(cè)子系統(tǒng)、財(cái)務(wù)決策子系統(tǒng)、財(cái)務(wù)預(yù)算子系統(tǒng)、財(cái)務(wù)控制子系統(tǒng)和財(cái)務(wù)分析子系統(tǒng)。通過(guò)系統(tǒng)的整合，使財(cái)務(wù)管理專(zhuān)家系統(tǒng)的功能發(fā)揮得淋漓盡致，財(cái)務(wù)預(yù)測(cè)更準(zhǔn)確，財(cái)務(wù)決策更科學(xué)，財(cái)務(wù)預(yù)算將更貼近實(shí)際，財(cái)務(wù)控制更到位，財(cái)務(wù)分析更透徹，財(cái)務(wù)管理更全面，即時(shí)全面管理輕松在握。在上述智能化的財(cái)務(wù)規(guī)劃與預(yù)測(cè)系統(tǒng)、財(cái)務(wù)決策系統(tǒng)、財(cái)務(wù)預(yù)算系統(tǒng)、財(cái)務(wù)控制系統(tǒng)和財(cái)務(wù)分析系統(tǒng)中，財(cái)務(wù)決策系統(tǒng)處于中心地位，其他系統(tǒng)對(duì)財(cái)務(wù)決策系統(tǒng)起到支持作用，我們把它們集成起來(lái)統(tǒng)稱(chēng)智能財(cái)務(wù)決策支持系統(tǒng)。運(yùn)用智能財(cái)務(wù)決策支持系統(tǒng)，可以開(kāi)展內(nèi)部控制評(píng)估、資產(chǎn)配置評(píng)估，通過(guò)分析投資時(shí)間、貿(mào)易活動(dòng)、套期保值策略可優(yōu)化投資方案，等等。（二）模式識(shí)別模式識(shí)別就是指對(duì)表征事物的各種形式的信息(數(shù)值的、文字的和邏輯關(guān)系的)進(jìn)行處理和分析，以對(duì)事物或現(xiàn)象進(jìn)行描述、辨認(rèn)、分類(lèi)和解釋的過(guò)程。目前，模式識(shí)別的主流方法有決策論方法(統(tǒng)計(jì)方法)和結(jié)構(gòu)(句法)方法，近年又出現(xiàn)了多源信息融合技術(shù)模式識(shí)別、基于多元數(shù)據(jù)多元圖圖形基元和特征基元表示的模式識(shí)別、基于粗糙集的模式識(shí)別等方法。1.統(tǒng)計(jì)模式識(shí)別在統(tǒng)計(jì)模式識(shí)別中，被研究的模式用特征向量來(lái)描述，特征向量中的每一個(gè)元素代表模式的一個(gè)特征或?qū)傩裕卣飨蛄繕?gòu)成的空間叫做特征空間，統(tǒng)計(jì)模式識(shí)別的任務(wù)就是用不同的方法劃分特征空間，從而達(dá)到識(shí)別的目的。統(tǒng)計(jì)模式識(shí)別系統(tǒng)由數(shù)據(jù)獲取、預(yù)處理、特征提取和選擇、分類(lèi)決策四部分組成，如圖2所示：信息獲?。簽榱耸褂?jì)算計(jì)能夠?qū)Ω鞣N現(xiàn)象進(jìn)行分類(lèi)識(shí)別，要用計(jì)算機(jī)可以運(yùn)算的符號(hào)來(lái)表示所研究的對(duì)象。通常輸入對(duì)象的信息有下列3種類(lèi)型，即二維圖像、一維波形、物理參量和邏輯值。通過(guò)測(cè)量、采樣和量化，可以用矩陣或向量表示二位圖像或一位波形。預(yù)處理：預(yù)處理的目的是去除噪聲，加強(qiáng)有用的信息，并對(duì)輸入測(cè)量?jī)x器或其他因素所造成的退化現(xiàn)象進(jìn)行復(fù)原。特征提取和選擇：由圖像或波形所獲的數(shù)據(jù)適量是相當(dāng)大的，為了有效地實(shí)現(xiàn)分類(lèi)、識(shí)別，要對(duì)原始數(shù)據(jù)進(jìn)行變換，以得到最能反映分類(lèi)本質(zhì)的特征。分類(lèi)決策：分類(lèi)決策就是在特征空間中，用統(tǒng)計(jì)方法把被識(shí)別對(duì)象歸為某一類(lèi)別，在樣本訓(xùn)練基礎(chǔ)上確定某個(gè)判定規(guī)則，按這種判定規(guī)則對(duì)被識(shí)別對(duì)象進(jìn)行分類(lèi)，使造成的錯(cuò)誤識(shí)別率最小或引起的損失最小。2.結(jié)構(gòu)模式識(shí)別結(jié)構(gòu)模式識(shí)別方法立足于結(jié)構(gòu)化信息，它把對(duì)象模式用一定的基元之間的結(jié)構(gòu)關(guān)系表征，采用規(guī)則或語(yǔ)法函數(shù)作為識(shí)別函數(shù)，選擇接受錯(cuò)誤率作為準(zhǔn)則函數(shù)進(jìn)行模式識(shí)別。3.模糊模式識(shí)別模糊模式識(shí)別建立在最大隸屬原則的基礎(chǔ)上，運(yùn)用標(biāo)準(zhǔn)模型庫(kù)中提供的模型來(lái)對(duì)待識(shí)別模型進(jìn)行分類(lèi)，其基本思想是：對(duì)已知若干個(gè)訓(xùn)練樣本進(jìn)行模糊聚類(lèi)，由聚類(lèi)中心得標(biāo)準(zhǔn)樣本，識(shí)別與計(jì)算待估樣本屬于各個(gè)模式的相對(duì)隸屬度，計(jì)算相對(duì)狀態(tài)(或級(jí)別)特征值，判斷研究對(duì)象屬于哪一個(gè)標(biāo)準(zhǔn)樣本，從而實(shí)現(xiàn)識(shí)別。這種方法由于模糊隸屬度和可信度都需要事先人為給定，存在很大的主觀性，在實(shí)際應(yīng)用中有一定的局限性。4.多元數(shù)據(jù)圖形特征元模式識(shí)別結(jié)構(gòu)句法模式識(shí)別最大的問(wèn)題是沒(méi)有提取數(shù)非常重要。據(jù)結(jié)構(gòu)子模式的一般化方法，特征提取與描述方法依賴(lài)于設(shè)計(jì)者的經(jīng)驗(yàn)、直覺(jué)。因此，建立一種與領(lǐng)域知識(shí)無(wú)關(guān)的數(shù)據(jù)結(jié)構(gòu)子模式提取與表示方法非常重要。無(wú)結(jié)構(gòu)數(shù)據(jù)的結(jié)構(gòu)化表示是將抽象的多元數(shù)據(jù)以多元圖結(jié)構(gòu)形式表示，然后提取出表征多元圖的子模式，最后基于多元數(shù)據(jù)多元圖結(jié)構(gòu)子模式信息進(jìn)行分類(lèi)識(shí)別。5.多源信息融合模式識(shí)別對(duì)于復(fù)雜對(duì)象，從單一的信息中很難獲得關(guān)于對(duì)象全面準(zhǔn)確的識(shí)別，于是產(chǎn)生了多源信息融合技術(shù)模式識(shí)別。在這種基于信息融合技術(shù)的模式識(shí)別系統(tǒng)中，融合算法的選擇和構(gòu)建是整個(gè)模式識(shí)別系統(tǒng)的關(guān)鍵。6.粗糙集模式識(shí)別粗糙集理論的主要思想是利用已知的知識(shí)庫(kù)，將不精確或不確定的知識(shí)，用已知的知識(shí)庫(kù)中的知識(shí)來(lái)近似刻畫(huà)。它無(wú)需提供問(wèn)題所需處理的數(shù)據(jù)集合之外的任何先驗(yàn)知識(shí)或附加信息，不需要預(yù)先給予主觀評(píng)價(jià)。所以，它對(duì)問(wèn)題的不確定性描述或處理是比較客觀的。7.仿生模式識(shí)別仿生模式識(shí)別強(qiáng)調(diào)認(rèn)識(shí)事物而不是區(qū)分事物，它與傳統(tǒng)以最佳劃分為目標(biāo)的統(tǒng)計(jì)模式識(shí)別相比，更接近于人類(lèi)認(rèn)識(shí)事物的特性。傳統(tǒng)模式識(shí)別與分類(lèi)算法都是基于假定同類(lèi)樣本相互之間沒(méi)有任何關(guān)系，但是客觀世界的一切事物均有聯(lián)系，仿生模式識(shí)別認(rèn)為由于同類(lèi)樣本存在某些規(guī)律性，在特征空間中必然會(huì)形成某種多維幾何圖形，從而建立一種多維空間中復(fù)雜幾何形體覆蓋的識(shí)別原理。模式識(shí)別在財(cái)務(wù)管理中的應(yīng)用包括：識(shí)別財(cái)務(wù)管理目標(biāo)和財(cái)務(wù)管理環(huán)境，識(shí)別金融危機(jī)對(duì)企業(yè)財(cái)務(wù)管理的影響及成因，提出消解策略；在公司治理結(jié)構(gòu)中，識(shí)別公司財(cái)務(wù)治理結(jié)構(gòu)及其控制的特征；在運(yùn)營(yíng)管理方面，識(shí)別財(cái)務(wù)主體（經(jīng)理層利益相關(guān)者）的行為及其對(duì)財(cái)務(wù)目標(biāo)的影響；在現(xiàn)金管理方面，識(shí)別現(xiàn)金流習(xí)性，籌劃支付；在資金安全和風(fēng)險(xiǎn)管理方面，建立預(yù)警模型，識(shí)別安全隱患和財(cái)務(wù)風(fēng)險(xiǎn)，保證資金安全、化解財(cái)務(wù)危機(jī)。（三）資源規(guī)劃與配置AI規(guī)劃與配置技術(shù)可以在資源規(guī)劃與配置中大顯身手，在1991年的波斯灣危機(jī)中，美國(guó)軍隊(duì)研制的動(dòng)態(tài)規(guī)劃與配置工具DART，出色地完成了調(diào)度和運(yùn)輸任務(wù)。這項(xiàng)任務(wù)同時(shí)涉及到不同起點(diǎn)、不同目的地和不同路徑的50萬(wàn)軍隊(duì)和1500萬(wàn)磅重的裝備運(yùn)到目的地，這項(xiàng)任務(wù)要解決所有參數(shù)之間的沖突，用舊的方法需要幾個(gè)星期才完成，而用DART可以在幾小時(shí)內(nèi)完成。資源規(guī)劃與配置高效率是DART的顯著特征。同樣，運(yùn)用DART進(jìn)行財(cái)務(wù)管理資源的動(dòng)態(tài)規(guī)劃與配置，必將大大提高財(cái)務(wù)管理效率和效益。（四）智能財(cái)務(wù)管理信息共享系統(tǒng)智能財(cái)務(wù)管理信息共享系統(tǒng)是智能化的財(cái)務(wù)管理信息系統(tǒng)。智能財(cái)務(wù)管理信息共享系統(tǒng)包括財(cái)務(wù)管理查詢(xún)系統(tǒng)和操作系統(tǒng)，財(cái)務(wù)管理查詢(xún)系統(tǒng)是由MicrosoftVisualStudio.NET部署后，再由操作系統(tǒng)的IIS服務(wù)來(lái)完成發(fā)布。發(fā)布平臺(tái)安裝.NETFramework即.NET的框架，所有.NET程序都必須在這個(gè)框架上運(yùn)行。建立財(cái)務(wù)管理信息共享的體系結(jié)構(gòu)，公司以低成本為各利益相關(guān)者提供應(yīng)相關(guān)的財(cái)務(wù)信息。比如，建立了基于B/S模式的體系結(jié)構(gòu)，節(jié)約成本，實(shí)現(xiàn)財(cái)務(wù)信息的共享，提高財(cái)務(wù)信息處理能力。財(cái)務(wù)管理查詢(xún)系統(tǒng)通過(guò)IIS發(fā)布后，各部門(mén)可通過(guò)Web瀏覽器進(jìn)行訪(fǎng)問(wèn)，外部本單位用戶(hù)也能通過(guò)因特網(wǎng)及時(shí)了解當(dāng)日的財(cái)務(wù)情況。智能財(cái)務(wù)管理信息共享系統(tǒng)的產(chǎn)生，意味著即時(shí)財(cái)務(wù)管理已然成熟，通過(guò)接口技術(shù)可將企業(yè)ERP財(cái)務(wù)信息包嵌入智能財(cái)務(wù)管理信息共享系統(tǒng)中，這樣企業(yè)財(cái)務(wù)管理信息展現(xiàn)于眼前，即時(shí)財(cái)務(wù)管理變成現(xiàn)實(shí)。（五）人工神經(jīng)網(wǎng)絡(luò)模型人工神經(jīng)網(wǎng)絡(luò)(ArtificialNeuralNetwork，簡(jiǎn)稱(chēng)ANN)是用大量的處理單元(人工神經(jīng)元、處理元件、電子元件等)模仿人腦神經(jīng)系統(tǒng)工作結(jié)構(gòu)和工作機(jī)理，按不同的聯(lián)結(jié)方式組成的網(wǎng)絡(luò)。它通過(guò)范例學(xué)習(xí)、修改知識(shí)庫(kù)和推理機(jī)的結(jié)構(gòu)，達(dá)到幫助人類(lèi)擴(kuò)展對(duì)外部世界的認(rèn)識(shí)和智能控制的目的。1.人工神經(jīng)網(wǎng)絡(luò)的發(fā)展歷程1958年，Rosenblatt提出感知器模型，首次把神經(jīng)網(wǎng)絡(luò)理論付諸工程實(shí)現(xiàn)，形成了人工神經(jīng)網(wǎng)絡(luò)研究的第一次高潮。1969年，Minsky和Papert指出了感知器無(wú)法克服的局限性，人工神經(jīng)網(wǎng)絡(luò)研究降溫，隨后陷入十年低谷期。20世紀(jì)80年代以來(lái)，人工神經(jīng)網(wǎng)絡(luò)的局限性得到了圓滿(mǎn)解決，Hopefield神經(jīng)網(wǎng)絡(luò)的收斂性和穩(wěn)定性，給人工神經(jīng)網(wǎng)絡(luò)的發(fā)展注入了強(qiáng)大的生命力，其應(yīng)用領(lǐng)域再度蓬勃發(fā)展，一路高歌，成為當(dāng)今最廣泛應(yīng)用于經(jīng)濟(jì)管理領(lǐng)域的新技術(shù)。2.人工神經(jīng)網(wǎng)絡(luò)模型人工神經(jīng)網(wǎng)絡(luò)模型是由若干神經(jīng)元互聯(lián)構(gòu)成的模型，神經(jīng)元是具有下列特性的有向圖：（1）對(duì)于每個(gè)節(jié)點(diǎn)i，存在一個(gè)狀態(tài)變量Xi;（2）從節(jié)點(diǎn)j至節(jié)點(diǎn)i,存在一個(gè)連接權(quán)系數(shù)Wij；（3）對(duì)于每個(gè)節(jié)點(diǎn)i，存在一個(gè)閾值Hi;（4）對(duì)于每個(gè)節(jié)點(diǎn)i，定義一個(gè)變換函數(shù)fi(Xi，Wij，Hi)，i≠j;對(duì)于最一般的情況，此函數(shù)取fi(Σ，WijXi-Hi)形式。如下圖3：人工神經(jīng)網(wǎng)絡(luò)包括遞歸(反饋)網(wǎng)絡(luò)和前饋網(wǎng)絡(luò)。（1）遞歸網(wǎng)絡(luò)（反饋網(wǎng)絡(luò)）遞歸網(wǎng)絡(luò)由多個(gè)神經(jīng)元互連組成，如圖4所示。神經(jīng)元的輸出被反饋至同層或前層神經(jīng)元，信號(hào)能夠從正向和反向傳播。（2）前饋網(wǎng)絡(luò)前饋網(wǎng)絡(luò)具有遞階分層結(jié)構(gòu)，同層神經(jīng)元間不存在互連，從輸入層至輸出層的信號(hào)通過(guò)單向連接傳播，神經(jīng)元從上一層連接至下一層，不存在同層神經(jīng)元間的連接，如圖5所示。3.人工神經(jīng)網(wǎng)絡(luò)的應(yīng)用人工神經(jīng)網(wǎng)絡(luò)BP網(wǎng)絡(luò)、ART網(wǎng)絡(luò)、RBF網(wǎng)絡(luò)和H0P網(wǎng)絡(luò)等類(lèi)型。BP網(wǎng)絡(luò)主要應(yīng)用于分類(lèi)、函數(shù)逼近、優(yōu)化和預(yù)測(cè)，至今已成功應(yīng)用的領(lǐng)域包括：戰(zhàn)略財(cái)務(wù)管理、上市公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警、風(fēng)險(xiǎn)投資項(xiàng)目評(píng)價(jià)、股價(jià)指數(shù)預(yù)測(cè)、固定資產(chǎn)投資預(yù)測(cè)、賬單數(shù)據(jù)挖掘、金融衍生證券定價(jià)、納稅評(píng)估、經(jīng)濟(jì)發(fā)展模式選擇、城市土地集約利用評(píng)價(jià)、營(yíng)銷(xiāo)策略組合、貨運(yùn)量預(yù)測(cè)、物流需求預(yù)測(cè)、成礦預(yù)測(cè)等。而ART網(wǎng)絡(luò)的應(yīng)用領(lǐng)域包括：財(cái)務(wù)診斷、危機(jī)報(bào)警、財(cái)務(wù)信息質(zhì)量控制、數(shù)據(jù)挖掘等。RBF神經(jīng)網(wǎng)絡(luò)已成功應(yīng)用于客戶(hù)關(guān)系管理、住宅造價(jià)估算等，HOP