大數(shù)據(jù)分析的方法應用于企業(yè)規(guī)避財務風險領(lǐng)域主要可以通過網(wǎng)絡(luò)、數(shù)據(jù)庫等渠道,收集巨量的網(wǎng)絡(luò)評論數(shù)據(jù)、企業(yè)交易金融產(chǎn)品的數(shù)據(jù),建立模型挖掘其內(nèi)在規(guī)律。本文通過綜述前期文獻的方法,提出構(gòu)建基于大數(shù)據(jù)的企業(yè)金融衍生工具風險管理預警系統(tǒng)。通過實證分析發(fā)現(xiàn),危機預警指標（DS）在加入大數(shù)據(jù)信息篩選的信息變量后,預警效果得到改善。企業(yè)選擇運用金融衍生工具使得危機預警信號有所增強,增加了企業(yè)經(jīng)營風險;企業(yè)運用金融衍生工具的選擇在網(wǎng)絡(luò)輿情下放大了危機預警信號,說明網(wǎng)絡(luò)輿情對企業(yè)危機預警有一定的幫助。本研究發(fā)現(xiàn)企業(yè)運用金融衍生工具確實會增強企業(yè)的危機預警信號,而網(wǎng)絡(luò)輿情使這種特性增強。建議企業(yè)在運用金融衍生工具時需要更多考慮利益相關(guān)者的意見,至少在社會傳播的信息中獲得更多的支持,以降低危機預警信號。 

【文章來源】：特區(qū)經(jīng)濟. 2019,(07)

【文章頁數(shù)】：6 頁

【部分圖文】：

基于大數(shù)據(jù)的企業(yè)金融衍生工具風險管理預警系統(tǒng)原理

10－2015年上市公司年度報告部分數(shù)據(jù)來源于巨潮資訊網(wǎng)（cninfo.com.cn）；部分網(wǎng)絡(luò)數(shù)據(jù)來源于互聯(lián)網(wǎng)，由編者整理；其他數(shù)據(jù)來源于《CSMAR中國上市公司財務指標分析數(shù)據(jù)庫》和《CSMAR中國上市公司財務報告數(shù)據(jù)庫》。2.研究方法聚類法（clusteranalysis）能夠根據(jù)信息源具有的某些特征把信息源區(qū)分為不同的潛在類型。因此我們根據(jù)信息源對不同影響因素的反應，試圖區(qū)分出不同的信息類型。根據(jù)前期的分析，我們將信息源區(qū)分為三種類型：積極信息、中性信息、消極信息。圖3模型驗證過程圖此外，參考宋彪等（2015）的研究方法（如圖3），在對變量集的選擇上，除了危機預警指標（DS）外，本文還采用了以下控制變量：資本結(jié)構(gòu)（CS）、公司規(guī)模（Size）、成長性(Growth)、非債務性稅盾(NDTS)、盈利能力（Prof）、股權(quán)集中度(OC)、有形資產(chǎn)比例(Tang)、所有權(quán)結(jié)構(gòu)(Cont)、金融衍生工具控制變量（FD）。下文將對變量含義詳細說明。具體實證模型如下：DSt=γ0+γ1DSt-1+γ2CSt+γ3OCt+γ4Proft+γ5Sizet+γ6Contt+γ7FDt+εt(1)dst=γ0+γ1dst-1+γ2CSt-1+γ3OCt-1+γ4Proft-1+γ5Sizet-1+γ6Contt+γ7FDt+εt(2)由于變量間可能存在自相關(guān)、內(nèi)生性，因此我們選擇方程（1）的非虛擬控制自變量的滯后一期變量作為方程（2）的工具變量。作為對比，實證模型將引入積極變量α、中性變量β、消極變量λ、信息頻次變量δ作為有效性檢驗。具體實證模型如下：DSt=γ

圖2基于大數(shù)據(jù)的企業(yè)金融衍生工具風險管理預警系統(tǒng)預設(shè)的數(shù)據(jù)分析機理數(shù)據(jù)源在數(shù)據(jù)分析過程中扮演著“傳感器”的角色，“利益相關(guān)者”和企業(yè)之間的相互作用的反應會因為線上、線下和企業(yè)之間的復雜關(guān)系而表現(xiàn)出差異，進而進一步刺激“利益相關(guān)者”對企業(yè)產(chǎn)生不同的信息�；ヂ�(lián)網(wǎng)通過多樣的渠道匯集這些信息源，進而被機器收集分析，不同的信息源經(jīng)過網(wǎng)絡(luò)的“發(fā)酵”過程，最終形成一種合力。企業(yè)的某種狀態(tài)就是通過這些“利益相關(guān)者”的“合力”反應出來[4]。因此，我們假設(shè)：引入企業(yè)在網(wǎng)絡(luò)上留存的痕跡，通過機器收集后把他們分類為：積極變量α、中性變量β、消極變量λ、信息頻次變量δ，以其為的風險預警模型的自變量，可以挖掘出預警效果。三、實證檢驗1.樣本與數(shù)據(jù)說明為了提高數(shù)據(jù)收集效率，本文將選取在滬深主板上市的上市公司作為研究樣本。本文選取的樣本期為2010－2015年，選取的樣本公司為2009年底前在滬深證券交易所上市的公司，并對樣本進行以下篩選：第一，剔除停牌超過半年的公司；第二，剔除與預設(shè)變量信息數(shù)據(jù)不全的公司。最終得到的樣本公司數(shù)共798家。2010－2015年上市公司年度報告部分數(shù)據(jù)來源于巨潮資訊網(wǎng)（cninfo.com.cn）；部分網(wǎng)絡(luò)數(shù)據(jù)來源于互聯(lián)網(wǎng)，由編者整理；其他數(shù)據(jù)來源于《CSMAR中國上市公司財務指標分析數(shù)據(jù)庫》和《CSMAR中國上市公司財務報告數(shù)據(jù)庫》。2.研究方法聚類法（clusteranalysis）能夠根據(jù)信息源具有的某些特征把信息源區(qū)分為不同的潛在類型。因此我們根據(jù)信息源對不同影響因素的反應

【參考文獻】：
期刊論文
[1]大數(shù)據(jù)時代金融衍生工具財務管理風險分析的文獻綜述[J]. 吳健鵬,黃佑軍.  金融經(jīng)濟. 2017(08)
[2]基于大數(shù)據(jù)的企業(yè)財務預警研究[J]. 宋彪,朱建明,李煦.  中央財經(jīng)大學學報. 2015(06)
[3]基于大數(shù)據(jù)時代的財務分析研究[J]. 任禾.  中外企業(yè)家. 2015(13)

博士論文
[1]基于大數(shù)據(jù)的企業(yè)財務預警理論與方法研究[D]. 宋彪.中央財經(jīng)大學 2015



本文編號：3384985