前言：本站為你精心整理了財務分析系統設計研究范文，希望能為你的創作提供參考價值，我們的客服老師可以幫助你提供個性化的參考范文，歡迎咨詢。

一、財務的分析方法和基本應用

(一)財務分析的意義

任何企業在進入規范資本主義市場融通資金都必須對財務進行管理分析,企業只有具備了完善的綜合財務能力,才能讓投資者有所了解、信任得到融資。根據資料的顯示,融資占銀行放貸60%以上的都是綜合財務能力好的上市公司。企業財務分析能力越好就越能提高企業的競爭力,準確而有效的財務分析能夠讓企業了解到競爭對手與合作伙伴的真實情況,可以降低企業在信息的搜集中的成本,可以幫助企業防范信用危機。因為投資者在進行投資之前會廣泛的搜集企業各項與投資相關的財務信息,判斷企業是否能如期償還本息的情況。

(二)財務分析的問題

財務分析的分析方法有很多,比如比率分析法、比較分析法和趨勢分析法,不管用什么方法它的作用都是反映企業過去的經濟事項,會計報表的使用者拿到業務報表的時間往往和業務發生的時間相隔較長,不能用過去的經濟數據來判斷企業目前甚至是未來的財務狀況,這樣的話會偏離企業真實的財務情況。除了這個,還有通過財務報表項目和數據之間顯示的財務關系,使用這種方法進行財務分析也是具有一定局限性的,比率分析法主要是分析已發生的經濟活動,屬于事后分析方法,在市場經濟的條件下具有一定的滯后性,綜合程度低,缺少相關性和預見性。趨勢分析法主要是依據財務報表的數據也具有一定的局限性,可是不同時期的財務報表沒有可比性。比較分析法是對比分析經濟指標來確定指標間的差異和趨勢,比較分析法只對具有可比性的指標才能采用,可是數據報表具有一定的局限性,不同時期的數據波動較大,沒有可比性,所以就會影響使用比較分析法。

二、數據挖掘在財務分析中的適用性

(一)網絡環境中的分析特點

當今社會計算機和信息技術發展迅速,各種財務軟件和網絡也已經在各種企業中廣泛使用,在企業中,會計的核算已經從傳統的核算轉化為網絡會計發展了,它的職能也在同時的加強和擴展。知識資源、文化資源、人力資源和市場顧客資源對企業來說越來越重要,企業可以考慮將他們納入資產要素的核算范圍,擴展企業的核算和財務分析范疇。在網絡環境下,資本市場漸漸完善,股東結構也越來越多元化,企業在滿足現有的投資者的信息需求同時也必須要吸引潛在投資者的信息需求,增強企業的發展能力。根據投資者的增多,財務方面也要為對方提供具有決策性的信息。企業必須結合外部經濟和宏觀經濟政策全面分析企業內部的經營和發展趨勢。在資本的有效運營中,要向財務使用者披露企業的發展前景,預測盈利情況和現金的流量。

(二)數據挖掘為財務分析

提供新的技術支持財務數據挖掘,是一種高效的信息處理技術,具有對會計數據庫以及相關業務的數據庫中大量的數據進行抽取和轉換是財務數據挖掘的特點,財務數據挖掘還能分析和其他模型化的處理,從這里面發現對經濟決策有幫助的核心數據,為企業提供真正有用的信息,幫助企業做決策。這樣才能滿足新時期財務信息使用者的不同要求。數據挖掘技術在各種不同的行業之中都已經投入廣泛的使用了,并且得到了非常顯著的經濟效益,在財務分析中應用財務挖掘技術中,有XBRL語言的有效支持,XML技術的出現提供給了互聯網上電子數據交換的一個標準,而且站在數據的角度看,XML技術提供了一個更好的表示數據內容和數據代表的意義的手段,XBRL是XML在網絡財務報告語言上的應用,它的作用就是分析大量的財務數據,并提供有效的技術支持。隨著時間的發展,數據挖掘已經逐漸穩定,因為它在操作上容易理解,特別是有更多的數據挖掘軟件也慢慢的出現,這加大的數據挖掘操作的簡單性。數據挖掘核心模塊的技術的發展經歷了數十年,其中包括有數理統計、人工智能和機器學習等等。很多數據庫在并行使用技術,所以就給數據庫內部的挖掘提供了機會。在數據庫內部進行挖掘,就不需要再移動數據,利用并行處理的性能將數據冗余最小化。將挖掘數據專用的整個冗余的數據庫創建和維護成本降低。

(三)數據挖掘在財務分析中的適用性

表現企業財務分析要有明確的內容和目標,就能夠準確的定義數據挖掘的任務和目的,在企業中數據挖掘技術下的財務分析具有明顯的優勢隨著科學技術的發展,提高了各個企業特別是一些大型企業的會計電算化水平,完善了企業的財務數據庫和生產數據庫,這樣就能形成一定規模的數據倉庫,為數據挖掘提供基礎對象,因為在眾多經濟業務數據中,對于企業財務指標的影響非常的多,只有對它進行深入的挖掘,才能揭示經濟數據背后的真正經濟業務。

三、數據挖掘的方法

(一)關聯規則挖掘分析

反映一個事件與其他事情之間有關相互依賴和關聯的知識,在數據挖掘研究中是一個非常重要的分支?？梢园殃P聯規則挖掘分為兩個部分:①迭代識別所有的頻繁項集,不過,對于頻繁項集的要求要是支持率不低于用戶設置的最低值。②在頻繁項集中設置一個可信度不低于用戶設定最低值的規則,關聯規則算法的核心就是識別或者發現頻繁項集,這一部分的計算量也是最大的。在使用關聯知識發現時,用戶需要自己輸入最小置信度C和最小的支持度S,這個數據一般是有專家來給出的。在數據挖掘的研究過程中,研究是熱點一直都是關聯規則。

(二)主成分分析

在實際的問題之中,不可變量之間有一定相關性的,因為有一些變量比較多的變量之間有一定的相關性,這樣一定在分析問題時增加它的復雜性,所以,需要運用一種簡單的方法來計算。這種方法必須要在不損失或者盡量少損失原本擁有的信息的情況下,將原來個數比較多,并且彼此相關聯的變量轉換成新的數量較少并且彼此之間獨立或者不相關的綜合變量。主成分分析的主要要點就是將之前的變量重新組合成一組新的毫無關聯的綜合變量,以此來代替原來的變量。簡單來說就是將原來的一些有一定相關性的變量重新組合成幾個少數無關聯性的變量來代替原來的變量。

四、結束語

數據挖掘的結果是具有一定的有實際意義的,不過也有一些沒有實際意義的,或著可以說是是與實際情況相違背的,所以,這就需要進行評估。在評估的時候可以利用用戶多年的經驗,在數據挖掘的步驟中發現的模式進行評估,也可以直接用實際數據來驗證模型的正確性,從而調整挖掘模型,再次進行挖掘。不過,數據挖掘的最終目的還是輔助決策。把發現的知識轉化為用戶能夠理解的方式,這樣一來,決策者就可以根據數據挖掘的結果,再結合實際情況,將分析所得到的知識集成到財務分析系統中,做出最終的決策。

作者：曹春艷 單位：新疆維吾爾自治區人民醫院米東醫院