序言：作為思想的載體和知識的探索者，寫作是一種獨特的藝術，我們為您準備了不同風格的1篇財務內控信息化方法探索，期待它們能激發您的靈感。

摘要:采用目前方法對企業財務信息進行控制時，未考慮降維處理財務信息，導致財務內控的信息化建設受數據維數的影響較大，存在Kappa系數和特征貢獻率低的問題。為此提出財務內控信息化方法探索。采用加權距離度量測度方法，降維處理財務信息，抑制干擾樣本點并充分發揮樣本點的貢獻。通過自適應權重聚類算法，對降維處理后的財務數據進行聚類處理，獲得譜系聚類樹狀圖，實現企業財務內控信息化。實驗結果表明，所提方法財務內控的信息化建設受數據維數的影響較小，Kap-pa系數和特征貢獻率較高。

關鍵詞:企業管理；財務內控；信息化建設；自適應權重聚類算法

1引言

企業在競爭激烈的市場中通常面臨著內部資源協調和外部環境變化的問題。企業是在內部協調性的基礎上，實現外部環境的適應[1]。財務內部控制是大部分企業中最基本的工作內容，可以完善企業制定的經營目標，提高企業日常的經營效率和經營效果。在企業財務管理實際情況的基礎上，控制財務信息，可以提高管理和經營水平[2]，完成進度和實施狀況，降低多余開支，避免發生風險。文獻[3]提出基于樸素貝葉斯分類法的財務內控方法，通過樸素貝葉斯分類方法構建財務信息分類模型，對相關因素對應的聯合概率進行計算，分類處理財務信息，實現財務內控。該方法在特征提取過程中容易受到高維數據的影響，導致提取的特征貢獻率較低。文獻[4]提出西班牙地方政府網絡財務信息披露與內部控制，以西班牙地方政府為研究對象，探討內部控制結構對互聯網財務信息披露的影響。采用實證分析結合描述性和解釋性兩個方面，分析內部控制制度影響西班牙網站上財務信息問題。使用多元模型，驗證地方政府內部控制解釋變量預測能力。該方法在數據特征提取過程中未考慮數據之間存在的減弱效應和增強效應，存在Kappa系數低的問題。針對上述問題，提出財務內控信息化方法探索。

2財務信息降維處理

在處理財務數據時，如果財務數據在最近鄰搜索階段中是均勻分布的，可以用概率分布中心對每個財務數據進行描述[5]。當財務數據樣本點不均勻分布時，在小區域內財務數據密度會出現急劇變化，如圖1所示。圖1中，Х描述的是中心點，小圓圈描述的是鄰近點，如果在上述近鄰點的基礎上建立相似度量矩陣，獲取的信息屬于單一方向的，此時會出現嚴重的冗余。如果采用上述信息重建中心時，重建中心無法通過選擇的鄰近點進行描述，對財務信息進行NPE降維處理后，大部分財務信息會丟失本質結構和內在特征[6]。圖基于加權距離虛線和歐氏距離實線的ε近鄰選擇企業管理與財務內控的信息化方法采用加權距離度量測度方法對財務信息進行降維處理，主要思想是通過財務數據點周圍存在的樣本點的分布確定距離函數，能夠抑制干擾樣本點的同時充分發揮樣本點的貢獻。企業中存在的財務信息數量巨大，維數較高，為了實現財務內控的信息化，需要將企業管理中存在的高維財務信息轉變為低維信息：

（一）加權距離

設定原始高維財務數據集X=[x1,x2,…,xi]，其中，xiRD表示財務數據點。

（1）對xi與周圍近鄰點之間的標準歐式距離進行比較，獲得基于歐式距離的參數kw個鄰近。

（2）設海量高維向量相似度代表的是vit高維索引的平均值；海量低維向量相似度代表的是vil低維索引對應的平均值，可通過下述公式計算得到：3）設置隨機向量G=D(a,b,)，其中，參數a、b、可通過下述公式計算得到：

（二）尋找近鄰點

尋找財務數據點xi基于加權距離的參數k個近鄰點。

（1）設Dist(xj,xi)代表的是財務數據xi與xj之間存在的加權距離，其計算公式如下：

（2）根據上述過程計算得到的加權距離，尋找財務數據xi的k個最近鄰xi1,xi2,…,xik。

（三）最優重建權值矩陣

（1）設C為局部協方差矩陣Ci=(xi-xj)T(xi-xj)，其中，T為轉置矩陣。

（2）通過Ci(j,k)←Ci(j,k)+ηi對局部協方差矩陣進行調整，其中ηi代表的是拉格朗日乘子。

（3）通過下述公式對權值系數進行重建：

（四）計算低維映射

（1）設M代表的是對稱矩陣，其表達式為M=(I-W)T(I-W)，其中，矩陣I由重建的數據構成。

（2）對XMXTA=XXTA的特征向量和特征值進行計算。

（3）根據上述計算結果得到d個財務信息非零最小特征值的特征向量，即為投影矩陣，通過投影矩陣將高維財務信息轉變為低維財務信息。

3財務內控信息化

企業管理與財務內控的信息化方法對降維處理后的財務信息進行聚類處理，根據聚類結果對財務信息進行控制，實現財務內控。

（1）設dij(AQED)代表的是數據i和數據j之間存在的絕對距離，其計算公式如下：式中，dij(AQED)描述的是在時期T內數據i和數據j之間的距離遠近程度；xikt代表的是在t時期內數據i中存在的第k個指標對應的值。設dij(ISED)代表的是數據i和數據j之間存在的增速距離，其計算公式如下：式中，dij(ISED)為財務數據i和財務數據j對應指標在時間變化下的增量趨勢差異；xikt、xjkt均描述的是絕對量差異[7]。設dij(VCED)代表的是數據i和數據j之間存在的波動距離，其計算公式如下：式中，dij(VCED)描述的是隨時間的變化在T時期內數據i和數據j之間的波動程度差異；xik代表的是在總時期T內數據i中第k個指標的均值；Sik代表的是在總時期T內數據i中第k個指標的標準差。

（2）根據距離類型的重要性偏好以及研究者對客觀事務的認識對主觀權重系數進行計算。

（3）通過下述公式對三種距離對應的客觀熵權系數進行計算。對D=(dij)N×k進行歸一化處理，計算特征比重pij：設ej代表的是第j個財務數據指標對應的熵值，可通過下述公式計算得到：設代表的是第j個財務數據指標對應的客觀權重[8]，可通過下式計算得到：

（4）通過下式計算N個財務信息兩兩之間存在的綜合距離，獲得財務信息之間的距離矩陣D：（11）式中，zdij(AQED)、zdij(ISED)、zdij(VCED)分別代表的是標準化變換后距離dij(AQED)、dij(ISED)和dij(VCED)對應的值。

（5）初始財務信息自成一類，k=N描述的是類的數量，令D(1)=D(0)，第i個類Gi={X(i)}(i=1,2,…,N)，令財務信息X(i)(i=1,2,…,N)執行以下兩個步驟。

（6）針對距離矩陣D(i-1)，新類別由綜合距離最小的兩類財務信息組成。

（7）對新的財務信息與已有財務信息的綜合距離進行計算，利用計算得到的綜合距離建立距離矩陣D(i)，當所有財務信息都實現聚類時，停止迭代。

（8）根據財務信息聚類結果，得到企業財務內控信息譜系聚類樹狀圖如圖2所示。

（9）設定閾值h，根據設定的閾值確定財務信息的類別數和各類別中的信息數量：

4實驗與分析

為了驗證企業管理與財務內控的信息化方法的整體有效性，需要對企業管理與財務內控的信息化方法進行測試，本次測試的數據均來自KDD99數據集。分別采用企業管理與財務內控的信息化方法（方法1）、基于樸素貝葉斯分類法的財務內控方法（方法2）、西班牙地方政府網絡財務信息披露與內部控制方法（方法3）進行測試，分析三種方法財務信息化處理與財務數據維度之間的關系，測試結果如圖3所示。

分析圖3中的數據可知，采用方法1進行測試時，方法1對財務信息進行處理所用的時間受財務信息維數的影響較小，方法1處理財務信息所用的時間不隨著數據維數的增加而增加，采用方法2和方法3對財務信息進行處理時，隨著財務數據維數的增加，信息處理時間不斷增加，表明方法2和方法3的財務信息化受財務數據維數的影響較大。因為方法1對財務數據進行降維處理時，消除了財務數據之間存在的減弱效應和增強效應，避免了財務數據分布過程中存在畸變，有效降低了財務數據的維數，因此方法1的財務信息化處理不受數據維數的影響。

Kappa系數屬于一種多元分離方法可以對數據的聚類效果進行評價，Kappa系數越高，表明方法的數據聚類效果越好，分別采用方法1、方法2和方法3對財務數據進行聚類處理，通過Kappa系數測試上述方法的有效性，測試結果如圖4所示。分析圖4中的數據可知，在相同數據維數下，方法1的Kappa系數均高于方法2和方法3的Kappa系數，因為方法1對財務信息進行控制之前，采用加權距離度量測度方法對財務信息進行降維處理，保留了財務信息的本質結構和內在特征，提高了財務信息的聚類效果。對財務信息進行聚類處理的前提是獲取財務信息的特征，貢獻率越高提取的特征越有助于數據分類。分別采用方法1、方法2和方法3進行測試，對比不同方法提取特征的貢獻率，測試結果如表1所示。

分析表1中的數據可知，采用方法1獲取的特征貢獻率均在0.4%以上，采用方法2和方法3獲取的特征貢獻率均在0.2%附近波動，對比方法1、方法2和方法3的測試結果可知，方法1提取的特征貢獻率較高，因為方法1在數據降維處理時采用加權距離度量測度方法通過財務數據點周圍存在的樣本點的分布確定距離函數，能夠抑制干擾樣本點的同時充分發揮樣本點的貢獻，提高了特征的貢獻率。

5結束語

企業要想提升市場競爭優勢、合理配置企業資源、降低生產經營成本、提高業務管理水平，需要構建健全的財務內部控制制度，對財務內控進行信息化建設。目前財務內控方法存在受數據維數的影響較大、Kappa系數低、特征貢獻率低的問題，提出財務內控信息化方法探索，首先對財務信息進行降維處理，通過財務信息聚類結果構建譜系聚類樹狀圖，實現財務內部的控制，解決了目前方法中存在的問題，為企業的可持續發展奠定了基礎。

參考文獻

[1]李軍.公司財務管理中的內控管理[J].經濟學,2019,2(1):13-14.

[2]劉利軍,強建波,彭金龍.橫剪生產線控制及信息管理系統設計及實現[J].機械制造與自動化,2019(4):142-144,155.

[3]陳思靜,王磊,尹波,等.樸素貝葉斯分類法與數據資產會計確認——難題與突破[J].會計之友,2019(19):58-61.

[5]梁可可,李洋,周佩璇.股權結構對財務績效的影響研究——基于概率投票模型下股權控制度的實證[J].財會通訊,2019(11):22-26.

[6]劉襄生,李長愛.FASB制定準則的議程設置及影響因素——兼論會計信息質量特征的層次性問題[J].財會月刊:會計版,2019(1):73-78.

[7]趙建麗.政府會計制度下本年盈余和預算結余的差異探究[J].財務與會計,2020(16):65-67.

[8]曹穎賽,劉思峰,方志耕,等.基于案例學習的多層次聚類指標客觀權重極大熵挖掘模型[J].中國管理科學,2019,27(2):200-207.

單位:合肥市軌道交通集團有限公司；廣州市品高軟件股份有限公司 作者:王德文；洪枝全