188宝金博页面版

应 用科技人 工 神 经 网 络 审 计 模 型 及 在 金 融 领 域 中 运 用 的 探 讨朱若峰( 大连理工大学电子与信息工程学院， 辽宁大连116024)脯耍】 人工神经网络模型是替代传统审计方式的一个重要工具， 本文 介绍了 神经网络的基本特征， 同时， 基于我国金融领域中保险企业的 财务教摘疰行了 使用^工神经网 络的 测试， 测 试结果证明 ^工神经网 络用于保险企业的 审计是可行的 。饫罐词】 人工神经网 络； 审计； 保险企业； 测 试，～随着信息时代的 来临与当代经济活动的 日益复杂化， 经济领域的数据日 益增多， 这就使得传统的审计工作面临越来越大的 挑战。 归纳起来， 传统 的人 工审 计： 5 ---式 t 要有以下 弊端： 第 一， 工作成本高 。 传 统审计方式 主要通过对被审单位的 账簿、 凭证、 报表等账务 资料进行 检查的方 式发现审 计线索， t "- E往受制于 被审单位业 务量及审 计重 点信息的 分布状况， 每次审计工作均需国 家投人大量的人力、 物力及财 力， 这就大大提高了 审计成本： 第二是工作效率低下。 传统审计方式 属于典型的 “盲人摸象“式的审计， 既做不到全面审计、 又不能突出重点， 导致效率低、 风险大； 第三是 工1乍质量差。 在传统 审计方 式 下， 基本不能实现对审计数据的 总体分析， 确定的 审计重点缺少科学依据， 致使审计质量受到 较 大 的 影 响 。 因 此 ， 传 统 审 计 方 式 应 该 说 喇 来 越 不 适 应 信 息 化 时代的需要了 。 当前 如 何刚 氐 审计成本、 提高审计效率、 防 范审计风险、科学合理的 确定审计重点、 减少对审计人员职业判断的 依赖已经成为审计部门急待解决的 问题。 本文试图运用一种新的 方法—人工神 经 网络70．来探讨解决这一问题的 出路。 人工神经网 络( A r ti fi ci al N eu ral N et —w or k, A N N ) 是现代信息技 术一 个新的发展领域， 是一种模 拟生物大脑的 结构 和 功 能而 构 戚 的一种信息处 理系 统。 这种网络依靠 系统的 复杂程度， 通过调整内部大量节点之fe- ] 相互连接的 关系 ， 从而达到处 理信息的目 的。 人工神 经 网绍 具 有自 学习和 自 适应 的 能力， 可 以通过预先提供的一批相互对应 的 输入一输出数据， 分析掌握两者之间潜在的规律， 最终根据这些规律， 用新的输入数据来推算输出结 果 ， 这种学习分析的 过程被称为“训 练 ” 。人工神经网 络从结构 上对人类智能进行模拟。 一个人工神经网 络系 统以单个 冲经元为基。 每个 神经 元者B具 有运算功 能， 其运算功能并不复杂， 但大量神 经元连接在—起后， 就形成了 一个复杂的非线性自适应系统 。 ^ ． 工神 经网 络特 点包括： 一是 学习能力， 能自动从学习样本 中提取规律： 二是 自组织、 自 适应性， 能够通i 荆| | 练 而形成适应解决某类问题的 特定结构 ： 三是大规模并行计算， 具葡 虽 大的 数据处理能力， 并且对输入直干扰有高度容忍能力。 这些特点使 得人工神 经 网络特 别适应于解决非线性、 非结 构化的 ：叵 问题， 而 这方面是统计分析技术 和传统信息技 术所难以做到的。 人工神经网 络在的审计方面的应用研究在国外开 始于20世纪90年 代初， 已积 累不少成果， 本文以下以 我国金融领域的 —个重要组成部分——保险公司的 2007年的 财务数据为基础探讨人工神经系 统在金融领域中 的 运用 ， 本文以一共选择了 十家保险公司， 本文使用的 的 模型为当今最常用的 BP 人工神经网 络系 统模型。(这十家保险 公司分别为： 人 保财 险： 太保 财 险： 平安财险 ： 中 华联合：天安保 险 ； 大地财险 ： 永安保险 ： 华泰财 险： 华安保 险； 太平财 险 )以下是笔者挑选的1 O 家我 国 财产保险 公 司的 2007年 财 务数据(％ ) ：机构流 动比 辜辟 付 事来穗 赔 敢悍 奠 幔 入净 瓷 产收鼻 用搴评 价 值序号准 备 盒 占利 润 辜盏 辜茸 留 停 赍比 罩796I63． 9027 97， 65lI ． ． 6 53840O735l，3 6860 04I 6 755 231 7 2540 020 8 3373 6059 7727． 265． 901 8 984l34O7， 71 1 6． 9760 352 94． 2．27． I7 5942 36O ，7275 6461 ． 787． 9l2 2l7 3242． 2IO5 6I8 58 454． 411 2 27O ． 8 02 58， j210 638IOl 7656 3ll l8 Il 3 28 1 23， 680 70978 5658 3420 45t 659 7540． 23O69 0Il l 8 962 8 2l l673 231 5156l020 68 376． 8 760542I． 8 72 3022 ．5445 720． 7， 2‘表中最后一栏” 评 价 值 ” 依据埃德沃德阿尔特曼(Edw ard． LA It —m an) l 968年提出的多种变量模型即运用多种财务指标加权汇总产生的总判别分来预测 财务状况的 模型 结合保险 业的 特殊’ 黟兄进行调整获得。仿真结果 ：捌门选择5家为训 练 样本， 5家为测 试样本， 借助于数值 计算软件A T LA B7． 1自 带的 神 经网 络工具 箱州 eural N et w orkT ool box) ， 训 练M函数采用traincgb， 最大训 练 次数为1 0次， 学习精度为0． 000010表二机构序号实际评 价 值 ( rz)预测 值 ( cz)误差 率( Izar yl 00l0． 735O ．741． 0． 60％20． 8330． 8 27O ． 6 0％3O ． 737O ． 71 52． 2 0％4O ． 902O ． 91 2． 1 ． 00％50． 9460．964． 1 ． 8 0％6O ． 638O ．6231 ． 50％7090． 737． 2． 8 0％80．690O ．65l3． 90％9O ． 6 8 3O ． 6681 ． 50％l O0．7320． 7320． 0 0％表二前 5项是 模型对样本训 练 集计 算的结果 ， 经训 练得到模型分类准 确度达到满意效果， 样本最大误差率仅为1 8 0％ ； 后5项是模型对样本测 试集进行计算的 结果， 经计算得到模型分类准 确度也达到满意效果， 样本最大误差率为390％ 。 实 践证 明， 由本 文模 型计 算得 出贷款企业的 评 价 值 与实际贷款企业评 价 值 基本是吻合的 ， 对企业经营状况的 分类是基本准 确的 ， 本模型能较好地帮助审计人员准 确判断审计对象的 基本 飙√． 7一 一… ’ ” ， ’ “” ． “¨ j ’ ／’ ， ， 7‘7， ” j ／ ～／ ■ J／ “， r， 一． ‘’7 ， ／， ’ j[ 参考文献 ]‘ f1 】 陈祥光， 裴旭东人 』 =神 经 网络技 术及应 用l M 】 ． 中国 电力出版丰土2003#， ， 1 2】 蒋 宗礼， 人工神 经网 络导论 lM J 蔼等188宝金博页面版出 版社。 2004．265