企业战略-企业战略风险预警新思路

1、.：.； 文档资源 内容摘要：对于一个企业来说，选择一种恰当的预警方法是降低其风险的有效途径。粗集实际的引入是对BP神经网络预警方法的合理化补充。在分析了粗集-神经网络根本原理的根底上,引见了运用粗集-神经网络进展战略风险预警的详细过程，这在实际和实际上，都将为企业战略风险预警提供一种新的研讨思绪和方法。关键词：预警 粗集 神经网络 战略风险 企业战略风险预警管理是战略风险管理实际的一种改良或延伸，经过提供可操作的预警分析方法与预控对策，在企业现有的职能的根底上，增设对未来的战略管理活动的监测、诊断、控制、矫正等预警职能，使企业的职能构造更完善、更合理。旨在战略风险发生以前，采取措施予以控制，

2、尽能够地防止给企业带来更为严重的损失。 选择恰当的预警方法将对预警结果起到关键的作用。目前国内外已有大量的预测、预警方法和模型，如人工神经网络(ANN)预警方法、模糊(FUZZY)预警、自回归条件异方差(ARCH)预警等。但每种方法都有本人的适用范围，因此在运用这些预警方法时就要根据详细问题进展分析和选择。神经网络是一种大规模并行的非线性动力系统，虽然它具有自组织、并行处置及容错才干等优点，但由于其本身的缺陷，比如随着维数的添加,学习时间激剧增长和易堕入部分最小点等导致预警结果存在很大的偏向。而粗集方法的引入可以抑制神经网络的缺乏，粗集方法在不改动原有决策规那么的前提下，对原始数据进展属性和对

3、象的约简，求出简化的决策规那么，并运用此规那么对神经网络的构造和层次进展简化，从而提高了神经网络的任务效率和任务质量。 因此，对粗集与神经网络这两种方法进展优势互补，并将其用于企业战略风险预警的研讨具有一定的可行性。本文提出基于粗集-神经网络的预警方法，为企业战略风险预警提供了一种新的研讨思绪和方法，同时也能更好地丰富和完善企业风险预警的实际与方法。 粗集-神经网络的根本原理 粗集实际和神经网络是智能信息处置的两种重要的方法,其义务是从大量察看和实验数据中获取知识、表达知识和推理决策规那么。粗集实际是基于不可分辩性思想和知识简化方法,从数据中推理逻辑规那么,适宜于数据简化、数据相关性查找、发现

4、数据方式、从数据中提取规那么等。神经网络是利用非线性映射的思想和并行处置方法,用神经网络本身的构造表达输入与输出关联知识的隐函数编码,具有较强的并行处置、逼近和分类才干。在处置不准确、不完好的知识方面,粗集实际和神经网络都显示出较强的顺应才干,然而两者处置信息的方法是不同的,粗集方法模拟人类的笼统逻辑思想,神经网络方法模拟笼统直觉思想,具有很强的互补性。 首先,经过粗集实际方法减少信息表达的属性数量,去掉冗余信息,使训练集简化,减少神经网络系统的复杂性和训练时间;其次利用神经网络优良的并行处置、逼近和分类才干来处置风险预警这类非线性问题,具有较强的容错才干;再次,粗集实际在简化知识的同时,很容

5、易推理出决策规那么,因此可以作为后续运用中的信息识别规那么,将粗集得到的结果与神经网络得到的结果相比较,以便相互验证;最后,粗集实际的方法和结果简单易懂,而且以规那么的方式给出,经过与神经网络结合,使神经网络也具有一定的解释才干。因此,粗集实际与神经网络交融方法具有许多优点,非常适宜处置诸如企业战略风险预警这类非构造化、非线性的复杂问题。 基于粗集神经网络的战略风险预警方法的详细过程 首先对所研讨的战略风险的目的样本特征数据，用粗集进展预处置,进展属性约简,提取出重要的特征属性,然后对这些属性离散归一化，并经阀值处置成粗集方法所要求的0-1表，再对0-1表用粗集实际的方法进展数据约简与规那么提

6、取，对已提取的规那么计算其准确度和覆盖度，以此来配置粗集-神经BP网络的隐层节点与初始衔接权值，最后根据训练好的神经网络系统将训练结果作为输入数据进展识别和分类,以判别企业能否会发生战略风险。基于粗集-神经网络构造图见图1所示 输入模块。这一阶段包括初始目的体系确定，根据所确定的目的体系而构成的数据采集系统及数据预处置。企业战略风险的初始评价目的如下： 企业外部要素：政治环境(法律法规及其稳定性)，经济环境社会总体收入程度，物价程度，经济增长率，产业构造进入产业妨碍，竞争对手数量及集中程度，市场环境市场大小。 企业内部要素：企业盈利才干销售利润率，企业利润增长率，产品竞争才干产品销售率，市场占

7、有率，技术开发才干技术开发费比率，企业专业技术人才比重，资金筹措才干融资率,企业职工凝聚力企业员工流动率，管理人才资源，信息资源；战略本身的风险要素战略目的，战略重点，战略措施，战略方针。 本文所建立的预警目的系统是针对普遍意义上的企业，当该目的系统运用于实践企业时，需求对详细目的进展适当的添加或减少。由于各个企业有其详细的战略目的、运营活动等特性。 计算处置模块。这一模块主要包括粗集处置部分和神经网络处置部分。 粗集处置阶段。根据粗集的简化规那么及决策规那么对数据进展约简，构造神经网络的初始构造，便于神经网络的训练。 企业战略风险分析需求处理的问题是在保证对战略风险形状评价一致的情况下,选择

8、最少的特征集,以便减少属性维数、降低计算任务量和减少不确定要素的影响,粗集实际中的属性约简算法可以很好地处理这个问题。 粗集实际主要研讨一个由对象集和属性集构成的数据构造,该数据构造通常称为决策表,其方式如表所示。决策表中的对象集表示某些察看、个体或形状,属性集表示对象的描画,如特征、病症、症兆等。属性集分为条件属性和决策属性两大类。其中=1,2,.,n称为对象集,=1,2,.,m为条件属性集,为决策属性;ij表示第i个对象的第个形状属性值,i表示第个对象的决策属性值。 经过察看发现，决策表是协调的，在去掉决策表中的冗余属性、冗余的对象的同时不会改动原有的决策规那么。 当UINDF-SiUIN

9、DF阐明Si是不可约简的，反之那么可约简。 神经网络阶段。采用BP算法，对所输入数据进展训练，获取报警的知识。 采用最常用的三层前向神经网络,网络各层之间完全衔接,包括权矩阵(1)衔接的输入层1与隐含层2,权矩阵(2)衔接的隐含层2与输出层3,如图2所示。神经网络算法包括网络构造确定、网络参数(权矩阵(1)和(2)的初始值、学习率、动量因子、非线性函数参数及误差阈值)确定、训练样本数据处置、权值计算、误差计算等步骤。见图2 BP算法胜利的关键在于权矩阵(1)和(2)的初始值、网络隐含层节点的个数以及学习因子等参数的选取,假设选择得不适宜,能够会导致网络训练失败、堕入部分最优或得到比较差的分类结

10、果,特别是权矩阵(1)和(2)的初始值的选取过程缺乏严厉的实际根据,普通要根据阅历及实验选取。权矩阵(1)表示的是各项目的在整个目的体系的重要程度,其确定方法普通采用定性的方法,目前多采用层次分析法来确定权矩阵(1),使目的权重确实定更具客观性。首先明确内部的层次构造关系及其各组成要素之间的相互关系,然后经过专家对两要素之间的相对重要程度的比较和判别,建立判别矩阵,运用相应的数学方法进展分析和处置,以得出不同目的间的相对重要性权重。 权矩阵(2)表示的是各个隐含层节点对输出层的影响程度,在大多数的有关神经网络的文献中，其初始值取00.1之间的很小的随机数,经过多次迭代学习,反复修正权值,不断到

11、神经网络收敛为止。在选取(2)的初始值时,首先根据阅历初步选取(2)的初始值,如全部设定为0.05,然后用一组实践的数据进展实验,假设输出结果与实践结果相差很多,那么按照某种规那么修正(2)的初始值,再用另一组数据进展实验,不断到输出值与实践值小于给定的数值为止,最后确定出(2)的初始值。 输出模块。该模块是对将发生的战略风险问题发出警报。 警限是划分不同警度的临界值，表现为某一预警目的在一定的警度下变化的最大允许的振幅，常以数量方式表现出来。按照战略风险大小强弱程度的不同，可将其分为三个层次。第一层次是细微战略风险，是损失较小、后果不甚明显，对企业的战略管理活动不构成重要影响的各类风险。这类

12、风险普通情况下无碍大局，仅对企业构成部分和微小的损伤。第二层次是普通战略风险，是损失适中、后果明显但不构成致命性要挟的各类风险。这类风险的直接后果使企业蒙受一定损失，并对其战略管理的某些方面带来较大的不利影响或留有一定后遗症。第三层次是致命性战略风险，指损失较大，后果严重的风险。这类风险的直接后果往往会要挟企业的生存，导致艰苦损失，使之一时不能恢复或蒙受破产。在实践操作中，每个企业应根据详细的情况，将这三个层次以详细的数值表现出来。 为了简单明了的表述预警结果，可将企业的警度分为*:无警、轻警、重警，并用绿、黄、红三种颜色灯号表示。其中绿灯区表示企业综合目的所反映的实践运转值与目的值根本一致，运转良好;黄灯区表示企业综合目的所反映的实践运转值与目的值偏离较大，要引起企业的警惕。假设采取一定的措施可转为绿灯区，假设不注重可在短期内转为*;*那么表示这种偏离超越企业接受的能够，并给企业带来整体性的艰苦损失。例如:销售利润率极低、资产负债率过高，资源配置不合理、缺乏开展后劲等，必