第 1 章 绪 论
1.1 研究背景和意义
2007 年 8 月，美国发生了震惊世界的次贷危机，导致世界各地众多金融财务机构倒闭。2009 年，欧洲开始陷入债务危机，众多财务问题和弊端都暴露了出来，直至目前，欧洲各国仍然没有完全走出这场危机。2013 年 7 月，著名的“汽车之城”美国底特律因财务危机申请了破产保护。美国和欧洲在财务方面的危机不仅给他们自己一个深刻的教训，同时也给亚洲各国在财务风险控制上了生动难忘的一课。在当代，即使国际顶尖的评级公司都没有能提前对各国可能出现的债务和财务方面的风险作出预测和提醒。这使得世界各地的组织和人们对这些顶级的评级公司的公信力和权威性产生了质疑，为什么人们认为应该有能力提前预测出这些风险的权威机构没能对这些财务和债务风险进行提前预警呢？这也说明，这些机构是不可靠的。不管从目前来看，还是从长远来看，我们国家都有必要创立中国特色的财务债务风险预警体系，来为我国的经济社会发展服务。目前，国家高层已经意识到了这一问题，多次在公开场合表示，我国不能完全依靠国际信用评级机构，减少国际信用评级对我国经济和社会的不利影响，建立自己的完善的财务债务风险预警体系。而且，国家已经成立了创立财务风险预警体系和评级体系的课题研究小组。财务风险预警体系，研究企业或者政府等实体的财务状况，结合历史数据和累积的经验，对财务状况是否会有风险给出评价。目前，我国经济社会市场化、国际化程度越来越高，财务风险管理的重要性也愈加重要，企业财务风险预警涉及企业各方面海量的数据，不仅与企业内部因素有关，也且与行业因素和外部大环境有关。要进行企业财务风险预警的研究，要搞清楚以下几个问题，第一，企业每天都产生了哪些数据，哪些数据对研究有用，哪些数据对研究没用；第二，在企业产生的海量数据中，哪些与财务有关，哪些是主要因素，哪些是次要因素；第三，通过分析，判断企业处于财务风险的哪个阶段，应该采取哪些措施，来尽量减少企业财务风险给企业造成的可能的损失。
……….
1.2 国内外研究现状
就经济预警而言，可以分为两个方面，一个是宏观层次的预测，一个是微观层次的预测，微观层次的经济预警通常指对企业进行预警，比如企业财务风险预警。对经济状况进行预警的研究是一个缓慢发展的过程，从宏观层次的预警到微观层次的企业财务的预警，从简单预警到复杂预警，从单一预警到多层次预警。目前，国内外对宏观层次的经济预警研究较多较成熟，但是在微观层次的经济预警则研究较少，尤其是针对企业的财务风险进行预警，这一方面的研究对于国内外的学者都是一个仍然需要探索的方向。
………
第 2 章 背景知识概述
2.1 财务风险预警
对企业、政府等的财务风险进行科学准确地预警，就必须先搞清楚财务风险和财务风险预警的基本含义，什么是财务风险，它有哪些种类，什么是财务风险预警，它的理论基础是什么。只有搞清楚了这些，然后才可以用科学合理的方法对企业政府的财务风险进行科学准确的预警。财务风险是决定企业生死存亡的企业风险之一，它是指：企业的财务因受到某种或者某几种、内部的或者外部的因素影响所处的一种不稳定状态。这种不稳定状态通常会导致企业的生存状况恶化。通过对财务风险的分析，财务风险可以被分为广泛意义上的财务风险和狭隘意义的财务风险。广泛意义上的财务风险包括以下三种情况：（1）轻度企业财务风险，企业利润空间受到挤压，正常运营困难；（2）中度企业财务风险，企业无法盈利，偿还债务能力减弱，正常运营比较困难；（3）重度企业财务风险，企业丧失偿还债务的能力，无法正常运营，即将申请破产。总的来说，广泛意义上的财务风险是指各种内外因素作用于企业，导致企业无法盈利，无能力偿还债务，无法正常运营，不得不申请破产保护。狭隘意义上的财务风险是指，有充分证据可以证明企业出现了以上三种情况之一，比如：企业常年经营亏损，企业的资产不足以偿还企业的债务，按规定企业申请破产保护，等等[12]。
……..
2.2 数据挖掘方法
支持向量机（Support Vector Machines, SVM）是由数理统计学科衍生出的一种分类方法，它是多项技术的混合体。支持向量机是本质是把结构方面的风险降至最低，这可以极大地增加向量机的学习水平。支持向量机通常会对问题进行简单化转化，把复杂问题转为简单的常见的问题，可以更好的用于解决各种实际问题，比起其它数据挖掘方法，支持向量机不存在局部极值的情况。目前的研究显示，支持向量机在解决很多问题的过程中，表现出了最好的水平，优于其它数据挖掘方法。SVM 正在慢慢地被更多的人用来对事物进行分类。SVM 是由数理统计等学科发展过来的，根本目的在于，首先，对原始数据进行变换，增加原始数据数据结构的维度，使线性可分，然后，在高维数据空间把变换后的数据进行分类，找出最优分界类或者面。决策树是一种常用的数据挖掘方法，可以用它来对数据进行分析，也可用它来对事物或规律进行预测。这种方法会获取一些规则，这些规则规定了满足何种要求里会产生何种结果，它由三部分组成：决策点，分叉和叶子节点。获取决策结果的过程，就是决策树不断成长发展的过程，也就是对原始数据进行分割的过程，每进行一次分割，都会对应一个实际的问题，也就产生一个决策节点。对决策树分割的结果要求分割形成的数据组之间差异最大。
……..
第 3 章企业财务风险预警模型设计与实验..... 23
3.1 支持向量机财务风险预警模型的流程算法........ 23
3.2 实验方案设计....... 26
3.3 企业财务风险预警模型参数设置...... 27
3.4 实验结果及分析..... 29
第 4 章基于 SOA 框架实现企业财务风险预警服务…….. 31
4.1 环境配置...... 31
4.2 相关服务的开发..... 33
4.3 BPEL 的开发 ........ 35
第 5 章结论与展望..... 50
第 4 章 基于 SOA 框架实现企业财务风险预警服务的发布与组合
这一章分三个小节，第一节讲述如何进行开发前的环境配置，第二节开发相关的服务，第三节进行 BPEL 开发。这里所说的服务指基于支持向量机的企业财务风险预警服务。为了增加系统对其它数据挖掘方法的兼容性，这里把基于决策树的企业财务风险预警服务和基于神经网络的企业财务风险预警服务也包括了进来。SOA 由服务提供方，服务请求方和服务注册机构这三个机构组成。其中，服务提供方提供服务，对服务进行描述，将描述好的服务告诉服务注册机构，由服务注册机构来向外发布，服务提供方从服务注册机构获取要完成的服务请求；服务请求方可以从服务注册机构那里了解到服务注册机构对外提供的服务，然后，根据自己的现实需求，按照一定的规则格式要求，形成一个合法的服务请求，发送给服务注册机构；服务注册机构，一方面，从服务提供方那里获取可以对外提供的服务，并以一定的规格和要求对外发布；另一方面，从服务请求方那里接收要实现的服务请求，并将合法的服务请求提交给服务提供方。这里涉及到发布服务，对服务进行查询等操作。本文基于 SOA 框架实现企业财务风险预警服务的发布与组合，由服务提供方发布企业财务风险预警服务，服务请求方可以随时对提供的服务进行查询，以便及时了解企业的财务风险状况。
………
结论
本文主要讲了三方面的内容，
第一， 对一些背景知识进行了总结，包括：财务风险预警的相关知识；数据挖掘方法，以支持向量机为主；面向服务的体系架构。
第二， 提出了基于支持向量机的企业财务风险预警模型，并进行了相关的实验验证。
第三， 将基于支持向量机的企业财务风险预警模型和面向服务的体系架构结合起来，实现了企业财务风险预警服务的发布与组合。
本文提出了基于支持向量机的企业财务风险预警模型，对企业的财务风险进行预警。但是，我们还可以通过一些优化算法，比如粒子群优化算法，来对模型的参数进行优化，来进一步提高风险预测的准确程度，这也是我下一步的研究方向。
…………
参考文献（略）
