財務風險精準預測研究

序論：寫作是一種深度的自我表達。它要求我們深入探索自己的思想和情感，挖掘那些隱藏在內心深處的真相，好投稿為您帶來了一篇財務風險精準預測研究范文，愿它們成為您寫作過程中的靈感催化劑，助力您的創作。

1引言

財務管理作為醫院發展的基礎，是醫院展開經營管理活動的保障，醫院所面臨的財務風險大小影響醫院財務管理水平的高低[1-3]。因此，國內外學者針對醫院財務風險預測進行了相關研究。其中，SilvaAPBD學者提出基于一元判別模型的醫院財務風險精準預測方法，將醫院財務風險進行了不同標準的分類，建立醫院財務風險共享資源矩陣，預測醫院財務走向，但該方法的風險預測精度誤差較大，結果精準度不高[4]。桂嘉偉學者基于F分數模型分析預測財務風險，運用三階段DEA模型和Mal-mquist指數,比較財政償債和盈利效率，但是該方法的風險預測指標收集不全面，造成財務風險預測信息有偏差[5]。針對上述研究存在的問題，提出基于直覺時間模糊序列的醫院財務風險精準預測研究方法，全面提取財務數據信息，篩選風險指標，實現對醫院財務風險的精準預測。

2財務風險精準預測方法

2.1財務風險數據挖掘首先考慮醫院規模、研究樣本的實際時間跨度以及醫院財務危機概念這幾種因素對研究醫院樣本進行確定。選取的樣本包括財務正常醫院與存在財務危機的醫院。其中存在財務危機的醫院指的是存在連續虧損等財務狀況的醫院。樣本的具體選取標準如下：（1）研究樣本如果來源于不同會計年度，則可能產生時間性研究差異，為減少和控制外部經濟因素帶來的偏差，盡量比較同一年度的研究數據[6]。（2）選取的總樣本量為六十家醫院，其中財務正常醫院共三十家，存在財務危機的醫院共三十家。接著對樣本醫院的財務風險數據進行挖掘，在該過程中首先需要進行樣本醫院財務風險數據的關聯分析，具體過程如圖1所示。然后利用Apriori算法進行樣本醫院的財務風險數據挖掘，具體挖掘流程如下：（1）將多項數據集設為Tk(k=1,2,3,…,m)，對其進行掃描，獲取候選數據集合。（2）以最小支持度SUPmin為依據產生候選繁榮集。（3）對候選繁榮集中成員對應的最小支持度進行判斷。對于不是最繁榮的成員，將其在候選繁榮集中去除。（4）對于候選繁榮集中的全部非空子集，確定其強關聯規則，通過強關聯規則挖掘需要的樣本醫院財務風險數據。

2.2財務風險指標選取對數據的實際可獲得性進行考慮，遵循一定原則選取醫院財務風險指標[7-8]。包括經濟性、可操作性、可比性、全面性、科學性原則，結合醫院財務風險實際狀況，確定了四類醫院財務風險指標，四種類別分別如下：償債能力財務風險指標類別、盈利能力財務風險指標類別、成長能力財務風險指標類別和經營能力財務風險指標類別。

2.3財務風險預測根據選取的財務風險指標，基于直覺時間模糊序列構建醫院財務風險預測模型，實現醫院財務風險的精準預測。根據上式結果，利用構建的醫院財務風險預測模型進行醫院財務的風險預測。具體步驟如下：（1）對劃分間隔與論域進行定義。將論域定義為U，并對初始聚類數進行選取，通過直覺模糊優化均值對間隔長度進行確定。（2）對變量語言直覺模糊集進行定義。對樣本的集合隸屬程度進行計算，從而獲取其直覺時間模糊序列。（3）構建模糊直覺關系。首先確定窗口參數的最佳值，并對操作矩陣與標準向量進行計算，從而構建直覺模糊關系。（4）調節距離參數因子，對各種聚類數進行獲取從而進行循環操作，得到相應預測值。（5）對去直覺模糊化進行實施，選取預測誤差率最小的一組預測值，作為最優的預測結果。

3實證分析

3.1實證數據獲取為了驗證財務風險精準預測方法的整體有效性進行實驗，對北京中醫醫院順義醫院進行財務風險預測實驗。擬定實驗平臺即MatlabR2022b，在主頻為1的環境下進行仿真。在北京中醫醫院順義醫院2013～2020年的樣本數據集中隨機選取2000個財務信息數據，將其中1400個財務信息用于訓練，600個財務信息用于測試，獲取醫院財務風險精準預測方法的償債能力、盈利能力、成長能力、運營能力四種指標類別的風險預測誤差率數據。為增強本次實驗結果的對比性，將文獻[4]方法和文獻[5]方法作為對比實驗方法，完成實驗分析。

3.2償債能力指標數據預測誤差率分析償債能力指標能夠反映醫院財務狀況好壞，可用于考察醫院持續經營能力，因此償債能力指標數據預測至關重要。通過對比本文方法與文獻[4]、文獻[5]方法的償債能力指標數據預測誤差率，驗證本文方法的優越性，結果如圖2所示。根據圖2的償債能力指標數據預測誤差率實驗結果可知，相較于文獻[4]方法和文獻[5]方法，本文方法誤差率較低，在財務信息數據數量達到500個時趨于穩定，為1.5%。

3.3盈利能力指標數據預測誤差率分析盈利能力指標能夠反映醫院當前的經營業績，可用于分析醫院實際經營狀況。對盈利能力指標類別進行風險預測，結果如圖3所示。根據圖3的盈利能力指標數據預測誤差率實驗結果可知，相較于文獻[4]方法和文獻[5]方法，本文方法的誤差率為1.2%，實現了約7.8%與6.1%的降低。

3.4成長能力指標數據預測誤差率分析成長能力指標能夠反映醫院未來生產經營水平，可用于測量醫院擴展經營能力。對成長能力指標類別進行風險預測，結果如圖4所示。根據圖4的成長能力指標數據預測誤差率實驗結果可知，本文方法誤差率波動較穩定，在預測至400個財務信息數量時趨于穩定，誤差率為2.4%，而文獻[4]方法和文獻[5]方法的數據預測誤差率為4.7%和3.9%。

3.5運營能力指標數據預測誤差率分析運營能力指標能夠反映醫院當前盈利狀態，可用于分析醫院資產運營效率。對運營能力指標類別進行風險預測，結果如圖5所示。根據圖5的運營能力指標數據預測誤差率實驗結果可知，本文方法誤差率低于文獻[4]方法和文獻[5]方法，在財務信息數量為600時，本文方法誤差率為1.9%。

4結束語

將直覺時間模糊序列應用于醫院財務風險精準預測方面的研究中，償債能力指標類別風險預測誤差率為1.5%，盈利能力指標類別風險預測誤差率為1.2%，成長能力指標類別風險預測誤差率為2.4%，運營能力指標類別風險預測誤差率為1.9%。本文方法能夠抓住數據的隨機變化特征，幫助醫院做出更準確的財務決策。

參考文獻:

[1]趙浩,魯亞軍,高潔,等.基于指導性正則化隨機森林SMO-TEBoost的算法與應用[J].統計與決策,2020,36(4):11-16.

[2]趙蕊菡,陳一.基于扎根理論的網絡健康信息多維度風險感知理論模型研究[J].情報理論與實踐,2020,43(1):68-75.

[3]徐永紅,張彬.改革試點公立醫院的薪酬關聯系數探索與分析[J].中國衛生經濟,2019,38(4):37-39.

作者:劉慧蓮 單位:北京中醫醫院順義醫院