潘文超
（中国科技大学 企业管理系，台湾 台北 １０４）
摘要：近年来，台湾受到美国次贷风暴及欧洲债信的影响 ，许多大型企业瓦解的事件陆续发生 ， 因此，公司管理阶层有必要好好地检视公司的财务状况 ，及早防范公司可能面临的经营风险 。文章 按照财务五力搜集台湾企业财务比率资料 ，根据 活 动 力、稳 定 力 与 收 益 力 进 行 灰 关 联 分 析，再 将 分 析结果按照灰关联度进行排序 ，以了解各企业的经营绩效排名 ；然后采用果蝇优化算法优化广义回 归神经网络、一般广义回归神经网络与多元回归 模 型 ，进 行 企 业 经 营 绩 效 侦 测 模 型 的 建 构，以 供 研 究人员及公司管理阶层参考 。分析结果显示，应用 果 蝇 优 化 算 法 优 化 广 义 回 归 神 经 网 络 在 企 业 经 营绩效侦测模型的预测误差有很好的收敛结果 ，也有很好的分类预测能力 。
３
（二 ）企 业 的 经 营 管 理 绩 效 分 析 本文采用 Ｔｏｎｇ的方法使用财 务 比 率 作 为 评 价
因子［７］，然后 利 用 Ｄｅｎｇ 教 授 提 出 的 灰 关 联 分 析 并 且使用 Ｗｅｎ ｅｔ ａｌ．教 授 所 开 发 的 灰 关 联 分 析 Ｍａｔ－ ｌａｂ 工具箱去分 析 １ ０００ 家 企 业 的 灰 关 联 度 值 并 进 行排名 。 ［８，９］ 此外，本 文 选 择 负 债 比 率 最 小 值，其 余 比率最大值做标 准 序 列。 根 据 灰 关 联 的 定 义，灰 关 联度是二条序列之间的相关程度。不同的比较序列
２
太原理工大学学报（社会科学版） 第２９卷
Ｘ＿ａｘｉｓ ＝ Ｘ（ｂｅｓｔＩｎｄｅｘ）． Ｙ＿ａｘｉｓ＝ Ｙ（ｂｅｓｔＩｎｄｅｘ）． ７．进入果蝇迭 代 寻 优，重 复 执 行 步 骤 ２－５，并
判断味道浓度是否 优 于 前 一 迭 代 味 道 浓 度，若 是 则
有 鉴 于 此 ，本 文 不 同 于 以 往 学 者 ，而 是 采 用 一 种 全 新 的 果 蝇 优 化 算 法 （Ｆｒｕｉｔ Ｆｌｙ Ｏｐｔｉｍｉｚａｔｉｏｎ Ａｌｇｏ－ ｒｉｔｈｍ，简称 ＦＯＡ）。这种优 化 算 法 具 有 计 算 过 程 简 单，容易将它的观念 转 换 为 程 序 代 码 而 且 非 常 容 易 理解等优点。本文首先尝试以求得函数极大值的方 式，测试此优化算 法 的 功 能；然 后，进 一 步 的 按 照 财 务 五 力 中 的 活 动 力、安 定 力 与 收 益 力 搜 集 台 湾 ２００８、２００９年企业财务比率 资 料，根 据 活 动 力、安 定 力 与 收 益 力 进 行 灰 关 联 分 析 ，再 将 二 者 的 分 析 结 果 ， 按照灰关联度进行 排 序，以 了 解 各 企 业 的 经 营 绩 效 排 名 ，并 且 以 二 分 法 的 方 式 分 为 绩 效 好 与 坏 二 类 ，然 后以财务比 率 作 为 自 变 量 （Ｘ），以 绩 效 好 坏 作 为 因 变量（Ｙ），再采用三种数据探勘技术，包 括 果 蝇 优 化 算法优 化 广 义 回 归 神 经 网 络 （Ｆｒｕｉｔ Ｆｌｙ Ｏｐｔｉｍｉｚａ－
① 其完整程序代码，可以参考网址：ｈｔｔｐ：／／ｗｗｗ．ｏｉｔｅｃｓｈｏｐ．ｂｙｅｔｈｏｓｔ１６．ｃｏｍ／ＦＯＡ．ｈｔｍｌ，２０１１－１１－０７．
第 ４ 期 潘 文 超 ：应 用 果 蝇 优 化 算 法 优 化 广 义 回 归 神 经 网 络 进 行 企 业 经 营 绩 效 评 估
与标准序列会产生相应的灰关联度再将其排序为灰
关联序。越高的灰关联度值代表其企业的经营绩效 越佳。 因 此，选 取 前 ５００ 名 企 业 经 营 绩 效 佳 的 上 市 上柜公司（以０ 表 示 ）和 后 ５００ 名 企 业 经 营 绩 效 不 佳的上市上柜公司（以１ 表示）作为因变 量（Ｙ）。本 文采用 ＭＡＴＬＡＢ７．０ 软件进行 灰 关 联 分 析，而 图 ３ 中各序列分别代表 一 家 台 湾 上 市 上 柜 公 司；一 条 序 列 中 共 有 ９ 个 节 点 ，分 别 代 表 ９ 种 形 态 的 财 务 比 率 ， 用星号线 连 接 称 为 标 准 序 列 （Ｓｔａｎｄａｒｄ ｓｅｑｕｅｎｃｅ）， 其余的 线 称 为 比 较 序 列 （Ｉｎｓｐｅｃｔｅｄ ｓｅｑｕｅｎｃｅ）。 若 比较序列越接近标 准 序 列，代 表 该 企 业 的 经 营 绩 效 越好。研究发现，在２００８年的 企 业 中 经 营 绩 效 前 ３ 名的 企 业 分 别 是 关 贸 （６ １８３）、思 源 （２ ４７３）和 景 岳 （３ １６４），而 经 营 绩 效 后 ３ 名 的 企 业 分 别 是 美 嘉 电 （４ ４１５）、得捷（５ ２０４）和 陇 华 （２ ４２４）；在 ２００９ 年 的 企 业 中 经 营 绩 效 前 ３ 名 的 企 业 分 别 是 关 贸 （６ １８３）、 大 冢 （３ ５７０）和 通 泰 （５ ４８７），而 经 营 绩 效 后３ 名 的 企 业 分 别 是 茂 德 （５ ３８７）、佳 鼎 （５ ３１８）和 建 台 （１ １０７）。 本文将财务比率自变量与因变量作为样本数据共有
４．味道浓度判定值 （Ｓ）代 入 味 道 浓 度 判 定 函 数 （或称为 Ｆｉｔｎｅｓｓ ｆｕｎｃｔｉｏｎ）以 求 出 该 果 蝇 个 体 位 置
图 ２ 迭 代 搜 寻 函 数 极 值 曲 线 图
三 、案 例 分 析
的 味道 浓 度 （Ｓｍｅｌｌｉ）。
（一 ）样 本 数 据 与 变 量
依照 果 蝇 搜 寻 食 物 的 特 性，将 其 归 纳 为 几 个 必 要 的 步 骤 与 程 序 范 例 ，以 提 供 读 者 参 考 。 如 图 １。
＊ 收稿日期：２０１１－０７－２４ 作者简介：潘文超（１９６６－），男，江苏淮安人，中 国 科 技 大 学 讲 师，博 士，Ｋｎｏｗｌｅｄｇｅ－Ｂａｓｅｄ Ｓｙｓｔｅｍｓ（ＳＣＩ）、Ｅｃｏｎｏｍｉｃ Ｍｏｄ－ ｅｌｉｎｇ（ＳＳＣＩ）、Ｃｏｎｓｔｒｕｃｔｉｏｎ Ｍａｎａｇｅｍｅｎｔ ａｎｄ Ｅｃｏｎｏｍｉｃｓ（ＥＩ）等 论 文 评 审 委 员 ，研 究 方 向 ：数 据 挖 掘 、商 业 智 能 。
［ｂｅｓｔＳｍｅｌｌ ｂｅｓｔＩｎｄｅｘ］＝ ｍａｘ（Ｓｍｅｌｌ）．
力 （应收账款周转 率 Ｘ１，资 产 周 转 率 Ｘ２，股 东 权 益
６．保留最佳味道浓 度 值 与 ｘ、ｙ 坐 标，此 时 果 蝇 周转率 Ｘ３），安定力 （流动比率 Ｘ４，速 动 比 率 Ｘ５，负
群体利用视觉 向 该 位 置 （Ｆｌｙ２）飞 去，形 成 新 的 群 聚 债比率 Ｘ６）和 收 益 力 （毛 利 率 Ｘ７，营 业 利 益 率 Ｘ８，
本文 主 要 的 结 构 是：第 一 节 介 绍 研 究 动 机 与 目 的，第二节介绍果蝇 优 化 算 法 与 探 讨 以 求 解 极 大 值 为范例，第三节介绍 所 使 用 的 样 本 数 据 与 实 际 案 例 分 析 ，第 四 节 提 出 研 究 结 论 与 建 议 。
二 、果 蝇 优 化 算 法
关 键 词 ：果 蝇 优 化 算 法 ；企 业 经 营 绩 效 ；优 化 问 题 ；广 义 回 归 神 经 网 络 中 图 分 类 号 ：Ｆ２７２．５ 文 献 标 识 码 ：Ａ 文 章 编 号 ：１００９－５８３７（２０１１）０４－０００１－０５
一 、前 言
近 年 来 ，优 化 问 题 处 理 已 经 逐 渐 受 到 重 视 ，例 如 物流业的最短路线问题 或 ［１］ 是交通运输业的排 班 问 题 等 ［２］ ，都必须 经 由 优 化 算 法 来 加 以 处 理。 到 目 前 为止，经常被用来处 理 优 化 问 题 的 算 法 包 括 了 遗 传 算法 与 ［３］ 粒子 群 算 法 。 ［４］ 然 而，这 些 算 法 的 共 同 缺 点就是计算过程复杂且初学者不容易了解。
Ｘ４ ９９４．３４
６．１３ ２２３．９８４ １４１．７６４ ９９２．２２
４．４３ ２３６．５９１ １６４．７０３
Ｘ５ ９８４．７７
０．７２ １５４．４４２ １２８．５２０ ９５３．７７
１．３３ １６５．３５５ １４２．３６２
Ｘ６ １７１．６７
６．０２ ４３．６１５ １７．８３９ １１２．３９
图 １ 果 蝇 群 体 迭 代 搜 索 食 物 示 意 图
１．随 机 初 始 果 蝇 群 体 位 置 （Ｆｌｙ Ｇｒｏｕｐ）。 Ｉｎｉｔ Ｘ＿ａｘｉｓ；Ｉｎｉｔ Ｙ＿ａｘｉｓ． ２．赋与果蝇个体（Ｆｌｙ１，Ｆｌｙ２，Ｆｌｙ３）利 用 嗅 觉 搜 寻食物之随机方向与距离。
执 行 步 骤 ６。① 本文尝试以 ＦＯＡ 求 得 极 大 值，其 函 数 为 Ｙ＝３
Ｘｉ＝ Ｘ＿ａｘｉｓ ＋ Ｒａｎｄｏｍ Ｖａｌｕｅ． Ｙｉ＝ Ｙ＿ａｘｉｓ ＋ Ｒａｎｄｏｍ Ｖａｌｕｅ． ３．由 于 无 法 得 知 食 物 位 置，因 此 先 估 计 与 原 点 之距离（Ｄｉｓｔ），再 计 算 味 道 浓 度 判 定 值 （Ｓ），此 值 为 距离之倒数。
槡 Ｄｉｓｔｉ＝ Ｘｉ２＋Ｙｉ２ ；Ｓｉ＝Ｄ１ｉｓｔｉ ．
ｔｉｏｎ Ａｌｇｏｒｉｔｈｍ ｏｐｔｉｍｉｚｅｄ Ｇｅｎｅｒａｌ Ｒｅｇｒｅｓｓｉｏｎ Ｎｅｕ－ ｒａｌ Ｎｅｔｗｏｒｋ，简 称 ＦＯＡＧＲＮＮ）、一 般 广 义 回 归 神 经网络 （Ｇｅｎｅｒａｌ Ｒｅｇｒｅｓｓｉｏｎ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ，简 称 ＧＲＮＮ）与 多 元 回 归 模 型 （Ｍｕｌｔｉｐｌｅ Ｒｅｇｒｅｓｓｉｏｎ，简 称 ＭＲ），进行企 业 经 营 绩 效 侦 测 模 型 的 建 构，以 供 研究人员参考。
－Ｘ２，此极大值 的 解 答 为 ３。 随 机 初 始 化 果 蝇 群 体 位置区间为［０，１０］，迭 代 的 果 蝇 搜 寻 食 物 的 随 机 飞 行方向与距离区间 为 ［－１，１］。 经 由 １００ 次 迭 代 搜 寻最大值后，程序执 行 结 果 逐 渐 逼 近 该 函 数 极 值 之 解答。图２为迭代搜寻函数极值的解所绘制的曲线 图，由图中可发现该曲线逐渐逼近 函 数 极 大 值 ３，而 该 群 果 蝇 之 坐 标 为 （８０．３２９ ６，７４．３３５ １）。