人工智能技术在财务管理中的应用

人工智能技术在财务管理中的应用学院专业研究方向学生姓名学号任课教师姓名任课教师职称2012年 前言人工智能(ArtificialIntelligence)，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。目前能够用来研究人工智能的主要物质基础以及能够实现人工智能技术平台的机器就是计算机，人工智能的发展历史是和计算机科学技术的发展史联系在一起的。除了计算机科学以外，人工智能还涉及信息论、控制论、自动化、仿生学、生物学、心理学、数理逻辑、语言学、医学和哲学等多门学科。人工智能学科研究的主要内容包括：知识表示、自动推理和搜索方法、机器学习和知识获取、知识处理系统、自然语言理解、计算机视觉、智能机器人、自动程序设计等方面。人工智能技术发展如火如荼，其已渗透到人类经济社会的各个角落，深刻地影响着人们的生产、生活和学习。文章在对人工智能技术发展进行回顾的基础上，指出人工智能技术的发展趋势，展示人工智能技术在财务管理中的应用前景。述、诊断、分析、验证，作为结合技术、理念和财务管理环境而作出最终决策的依据。财务管理专家系统的思路是把复杂财务问题分解成一些比较容易的子问题，再通过搜索和问题归结实现求解。智能财务管理的专家系统是智能化的专家系统，智能财务管理的专家系统按财务管理内容可分为筹资管理专家系统(含资金管理)、投资管理专家系统、营运管理专家系统(含风险管理、危机管理)和分配管理专家系统。上述每个系统又可嵌入财务规划与预测子系统、财务决策子系统、财务预算子系统、财务控制子系统和财务分析子系统。通过系统的整合，使财务管理专家系统的功能发挥得淋漓尽致，财务预测更准确，财务决策更科学，财务预算将更贴近实际，财务控制更到位，财务分析更透彻，财务管理更全面，即时全面管理轻松在握。在上述智能化的财务规划与预测系统、财务决策系统、财务预算系统、财务控制系统和财务分析系统中，财务决策系统处于中心地位，其他系统对财务决策系统起到支持作用，我们把它们集成起来统称智能财务决策支持系统。运用智能财务决策支持系统，可以开展内部控制评估、资产配置评估，通过分析投资时间、贸易活动、套期保值策略可优化投资方案，等等。（二）模式识别模式识别就是指对表征事物的各种形式的信息(数值的、文字的和逻辑关系的)进行处理和分析，以对事物或现象进行描述、辨认、分类和解释的过程。目前，模式识别的主流方法有决策论方法(统计方法)和结构(句法)方法，近年又出现了多源信息融合技术模式识别、基于多元数据多元图图形基元和特征基元表示的模式识别、基于粗糙集的模式识别等方法。1.统计模式识别在统计模式识别中，被研究的模式用特征向量来描述，特征向量中的每一个元素代表模式的一个特征或属性，特征向量构成的空间叫做特征空间，统计模式识别的任务就是用不同的方法划分特征空间，从而达到识别的目的。统计模式识别系统由数据获取、预处理、特征提取和选择、分类决策四部分组成，如图2所示：信息获取：为了使计算计能够对各种现象进行分类识别，要用计算机可以运算的符号来表示所研究的对象。通常输入对象的信息有下列3种类型，即二维图像、一维波形、物理参量和逻辑值。通过测量、采样和量化，可以用矩阵或向量表示二位图像或一位波形。预处理：预处理的目的是去除噪声，加强有用的信息，并对输入测量仪器或其他因素所造成的退化现象进行复原。特征提取和选择：由图像或波形所获的数据适量是相当大的，为了有效地实现分类、识别，要对原始数据进行变换，以得到最能反映分类本质的特征。分类决策：分类决策就是在特征空间中，用统计方法把被识别对象归为某一类别，在样本训练基础上确定某个判定规则，按这种判定规则对被识别对象进行分类，使造成的错误识别率最小或引起的损失最小。2.结构模式识别结构模式识别方法立足于结构化信息，它把对象模式用一定的基元之间的结构关系表征，采用规则或语法函数作为识别函数，选择接受错误率作为准则函数进行模式识别。3.模糊模式识别模糊模式识别建立在最大隶属原则的基础上，运用标准模型库中提供的模型来对待识别模型进行分类，其基本思想是：对已知若干个训练样本进行模糊聚类，由聚类中心得标准样本，识别与计算待估样本属于各个模式的相对隶属度，计算相对状态(或级别)特征值，判断研究对象属于哪一个标准样本，从而实现识别。这种方法由于模糊隶属度和可信度都需要事先人为给定，存在很大的主观性，在实际应用中有一定的局限性。4.多元数据图形特征元模式识别结构句法模式识别最大的问题是没有提取数非常重要。据结构子模式的一般化方法，特征提取与描述方法依赖于设计者的经验、直觉。因此，建立一种与领域知识无关的数据结构子模式提取与表示方法非常重要。无结构数据的结构化表示是将抽象的多元数据以多元图结构形式表示，然后提取出表征多元图的子模式，最后基于多元数据多元图结构子模式信息进行分类识别。5.多源信息融合模式识别对于复杂对象，从单一的信息中很难获得关于对象全面准确的识别，于是产生了多源信息融合技术模式识别。在这种基于信息融合技术的模式识别系统中，融合算法的选择和构建是整个模式识别系统的关键。6.粗糙集模式识别粗糙集理论的主要思想是利用已知的知识库，将不精确或不确定的知识，用已知的知识库中的知识来近似刻画。它无需提供问题所需处理的数据集合之外的任何先验知识或附加信息，不需要预先给予主观评价。所以，它对问题的不确定性描述或处理是比较客观的。7.仿生模式识别仿生模式识别强调认识事物而不是区分事物，它与传统以最佳划分为目标的统计模式识别相比，更接近于人类认识事物的特性。传统模式识别与分类算法都是基于假定同类样本相互之间没有任何关系，但是客观世界的一切事物均有联系，仿生模式识别认为由于同类样本存在某些规律性，在特征空间中必然会形成某种多维几何图形，从而建立一种多维空间中复杂几何形体覆盖的识别原理。模式识别在财务管理中的应用包括：识别财务管理目标和财务管理环境，识别金融危机对企业财务管理的影响及成因，提出消解策略；在公司治理结构中，识别公司财务治理结构及其控制的特征；在运营管理方面，识别财务主体（经理层利益相关者）的行为及其对财务目标的影响；在现金管理方面，识别现金流习性，筹划支付；在资金安全和风险管理方面，建立预警模型，识别安全隐患和财务风险，保证资金安全、化解财务危机。（三）资源规划与配置AI规划与配置技术可以在资源规划与配置中大显身手，在1991年的波斯湾危机中，美国军队研制的动态规划与配置工具DART，出色地完成了调度和运输任务。这项任务同时涉及到不同起点、不同目的地和不同路径的50万军队和1500万磅重的装备运到目的地，这项任务要解决所有参数之间的冲突，用旧的方法需要几个星期才完成，而用DART可以在几小时内完成。资源规划与配置高效率是DART的显著特征。同样，运用DART进行财务管理资源的动态规划与配置，必将大大提高财务管理效率和效益。（四）智能财务管理信息共享系统智能财务管理信息共享系统是智能化的财务管理信息系统。智能财务管理信息共享系统包括财务管理查询系统和操作系统，财务管理查询系统是由MicrosoftVisualStudio.NET部署后，再由操作系统的IIS服务来完成发布。发布平台安装.NETFramework即.NET的框架，所有.NET程序都必须在这个框架上运行。建立财务管理信息共享的体系结构，公司以低成本为各利益相关者提供应相关的财务信息。比如，建立了基于B/S模式的体系结构，节约成本，实现财务信息的共享，提高财务信息处理能力。财务管理查询系统通过IIS发布后，各部门可通过Web浏览器进行访问，外部本单位用户也能通过因特网及时了解当日的财务情况。智能财务管理信息共享系统的产生，意味着即时财务管理已然成熟，通过接口技术可将企业ERP财务信息包嵌入智能财务管理信息共享系统中，这样企业财务管理信息展现于眼前，即时财务管理变成现实。（五）人工神经网络模型人工神经网络(ArtificialNeuralNetwork，简称ANN)是用大量的处理单元(人工神经元、处理元件、电子元件等)模仿人脑神经系统工作结构和工作机理，按不同的联结方式组成的网络。它通过范例学习、修改知识库和推理机的结构，达到帮助人类扩展对外部世界的认识和智能控制的目的。1.人工神经网络的发展历程1958年，Rosenblatt提出感知器模型，首次把神经网络理论付诸工程实现，形成了人工神经网络研究的第一次高潮。1969年，Minsky和Papert指出了感知器无法克服的局限性，人工神经网络研究降温，随后陷入十年低谷期。20世纪80年代以来，人工神经网络的局限性得到了圆满解决，Hopefield神经网络的收敛性和稳定性，给人工神经网络的发展注入了强大的生命力，其应用领域再度蓬勃发展，一路高歌，成为当今最广泛应用于经济管理领域的新技术。2.人工神经网络模型人工神经网络模型是由若干神经元互联构成的模型，神经元是具有下列特性的有向图：（1）对于每个节点i，存在一个状态变量Xi;（2）从节点j至节点i,存在一个连接权系数Wij；（3）对于每个节点i，存在一个阈值Hi;（4）对于每个节点i，定义一个变换函数fi(Xi，Wij，Hi)，i≠j;对于最一般的情况，此函数取fi(Σ，WijXi-Hi)形式。如下图3：人工神经网络包括递归(反馈)网络和前馈网络。（1）递归网络（反馈网络）递归网络由多个神经元互连组成，如图4所示。神经元的输出被反馈至同层或前层神经元，信号能够从正向和反向传播。（2）前馈网络前馈网络具有递阶分层结构，同层神经元间不存在互连，从输入层至输出层的信号通过单向连接传播，神经元从上一层连接至下一层，不存在同层神经元间的连接，如图5所示。3.人工神经网络的应用人工神经网络BP网络、ART网络、RBF网络和H0P网络等类型。BP网络主要应用于分类、函数逼近、优化和预测，至今已成功应用的领域包括：战略财务管理、上市公司财务风险预警、风险投资项目评价、股价指数预测、固定资产投资预测、账单数据挖掘、金融衍生证券定价、纳税评估、经济发展模式选择、城市土地集约利用评价、营销策略组合、货运量预测、物流需求预测、成矿预测等。而ART网络的应用领域包括：财务诊断、危机报警、财务信息质量控制、数据挖掘等。RBF神经网络已成功应用于客户关系管理、住宅造价估算等，HOP