《基于大数据环境的医院财务预测方法研究》-经济学论文，财经论文-论文范文参考-科学狗论文网

标题

基于大数据环境的医院财务预测方法研究

范文

王丽沈晨龙军

摘要：大數据技术的发展给医院财务预测研究提供了新的机遇，同时也带来了挑战。结合国内外基于大数据环境的财务预测方法相关技术的演进和应用实践，本文梳理了大数据环境下医院预测方法的特征，构建大数据环境下医院财务预测方法示意图，分析了大数据环境下医院预测方法所面临的挑战和对未来研究的展望。

关键词：大数据环境 ?医院 ?财务 ?预测方法一、引言

众所周知，当前大数据技术带来了管理方式变革、商业模式变革等影响。而大数据预测是大数据最核心的应用，其优势体现在它把一个非常困难的预测问题，转化为一个相对简单的描述问题，而这是传统小数据根本无法企及的。对于医院而言，当前由于财务数据分析方式发生了巨大变化，医院财务预测业务流程也将发生根本性的变化。医院财务人员可以通过大数据资料，依据现实条件，运用特定的方法从海量数据中分析和挖掘出有价值的信息，来预测医院未来的财务状况，给医院财务全面预算决策提供依据。然而，大数据所刻画的是一个复杂的系统，对于医院财务人员而言，大数据环境下如何选取有效的研究方法提升医院财务预测的准确性是值得深入思考的。二、大数据环境下财务预测方法研究现状概述

（一）国内基于大数据环境的财务预测方法研究现状

2014 年春节，百度利用 LBS 技术推出了“春运迁徙”图，第一次通过大数据计算全程分析了动态、即时的春节前后人口移动的变化和特点，并以可视化的图形方式呈现出来，让人们直观的感受到了大数据的力量。如今，可以通过大数据分析来预测用户消费需求、进行基因组测试、预防流感疫情等，大数据的应用已经渗透到各行各业，我国将大数据战略正式列入“十三五”规划纲要中。国内文献中相关学者也深入分析了大数据环境下财务相关预测方法，景立伟等（2007）在文献中利用传递函数模型对医院业务收入影响因素进行分析。在此基础上利用分析结果对医院业务收入做出预测，并将预测结果与ARIMA模型预测结果进行比较。张丽湘（2009）在文献中根据灰色系统预测理论，提出关于医院财务走向的预测方法。赵丽娥等（2015）于文献中在当前广泛建设的医疗云框架上，通过医疗财务风险预测模型有效地检测出医院财务中可能存在的风险。王剑等（2018）在文献中使用稀有事件Logit模型对大样本进行分析，提出资产负债率、固定资产周转率和营业收入增长率等对财务困境有较强的预测作用。王海峰（2018）在文献中基于优化的BP神经网络算法讨论企业财务管理中的风险预测及处理。贾小平（2018）在文献中将计量经济学的回归分析法与企业财务分析相结合，预测某管网企业在现有资产规模采取统购统销模式下盈亏平衡点的销售量数值及管输价格。李伟杰（2018）在文献中把我国的上市公司作为主要研究对象，以 2011-2017年的公司财务数据为例，采用多种建模技术构建预测模型。方匡南等（2018）提出稀疏组Lasso支持向量机方法，并应用到制造业相关上市公司的财务困境预测中。郑治平（2018）基于因子分析法提取企业财务风险特征，对相关化肥类上市公司年报数据进行实证分析。综上分析，目前国内一些学者关于大数据时代财务预测方法的理论论述较多，但对大数据环境中财务预测方法的技术角度给予论述比较缺乏，还需进一步探讨。

（二）国外基于大数据环境的财务预测方法研究现状

2011 年，美国国际数据公司（IDC）在一份报告中正式将“大数据价值”观念加入到大数据特征中，提出了大数据具有“数量大”、“速度快”、“数据类型多样”、“数据价值小”的“4V”特征。美国东北大学学者巴拉巴西的《爆发：大数据时代预见未来的新思维》一书，分析了如何去理解人类行为时空模式中的观念和预测问题，做出了“人类行为 93%可以预测到”的判断。国外文献中相关学者也深入分析了大数据环境下财务相关预测方法。Yuan X E（2009）在文献中引入连续蚁群算法和支持向量机理论，并建立财务预测模型CACO-SVM，利用公司财务数据对该算法进行训练和测试。Penman S H（2010）在文献中阐述财务预测、风险确定和价值评估是会计问题，指出会计不仅提供预测收益的信息，而且要提供预测的收益。Jeanbaptiste H（2016）在文献中针对金融行业大数据，提出大数据风险预测模型（MMA-RFM），通过性能优化的实验评估，验证所提出的方案。Nyman R（2018）在文献中将算法分析应用于基于文本的金融市场数据，利用大数据进行系统风险评估。Cockcroft S （2018）在文献中对2007-2016年间47种会计、财务及信息系统期刊进行分析，得出会计和金融领域大数据未被充分研究的领域是风险与安全、数据质量等。通过对国外文献大数据研究相关资料的梳理，可以发现国外财务预测研究重点放在技术方面。从大数据计划中可以看出，绝大多数财务预测研究项目都是数据工程，重点放在了大数据带来的技术挑战。

（三）基于大数据环境的医院财务主要预测方法剖析

大数据环境下医院财务数据具有多样性，不仅包括传统财务报表的结构化数据，同时也包括互联网、物联网、社交网络等大数据财务管理系统半结构化数据。面对未来医院飞速上升的非结构化数据，我们医院财务人员应该如何获得有效的财务预测信息？当前大数据相关的建模方法有：有监督学习和无监督学习。有监督学习是从标签化训练数据集中推断出函数的机器学习任务;无监督学习则事先没有训练样本，需要直接对相应数据进行建模。当前在财务预测研究中有监督建模运行更多，具体包括：决策树、深度学习等算法。与传统财务预测研究的方法相比，基于大数据环境的医院财务预测方法主要体现在以下四个方面，如图1所示：

1、主观预测法

图1 大数据环境下医院财务预测方法示意图

主观预测法主要是利用市场调查得到的各种信息，根据预测者个人的知识、经验和主观判断，对预测对象的发展趋势可能性作出主观估测的预测方法。对于大数据环境下医院财务预测而言，主观预测法偏重于对医院运营的发展方向和医院财务分析中各种影响因素的分析，发挥专家经验和主观能动性。主观预测法具体包括：德尔菲法、专家会议法等。其中，德尔菲法是由企业组成一个专门的预测机构，其中包括若干专家和企业预测组织者，按照规定的程序，征询专家对未来市场的意见或者判断，然后进行预测的方法。在这里，选择哪些合适的人员作为专家是采用德尔菲法的重要环节。而专家会议法是指对预测对象有较丰富知识和经验的人员组成专家小组进行座谈讨论，互相启发、集思广益，最终形成预测结果的方法。但在大数据医院财务预测中，主观预测法需要根据问题自身的特点去分析，尽可能地搜集相关财务数据，结合数学方法力争从数量上作出相关财务测算。

2、回归分析预测法

大数据环境下医院财务预测业务环节中，数据已经成为医院财务人员决策与规划控制的最关键环节。例如：在大数据财务预测统计建模中，回归分析是根据自变量来预测因变量。判断自变量与因变量因素相关程度成为医院财务回归分析必须要解决的首要问题。回归分析按照涉及财务变量的多少，分为一元回归和多元回归分析。在医院财务大数据分析中，回归分析是指确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。在大数据分析中，回归分析是一种预测性的建模技术，它研究的是因变量和自变量之间的关系。医院财务人员结合变量最终确定的因果关系，可以对财务发展趋势进行预测分析。

3、传统时间序列分析预测法

时间序列是指将同一统计指标的数值按其发生的时间先后顺序排列而成的数列，其分析的主要目的是根据已有的历史数据对未来进行预测。财务时间序列包括财务会计报告中现金流量数据、年度销售数据等。医院财务时间序列分析所反映的现象是由众多复杂因素共同作用的结果，不同因素的作用会产生不同的结果。其反映的是一段时间内发展变化过程的总量。针对医院财务预测而言，财务时间序列分析的主要作用有：（1）描述医院财务发展状态和结果;（2）研究医院财务的发展趋势和发展速度;（3）对医院财务进行预测;（4）通过控制、修正和重新设计等方式，达到把握医院财务发展趋势的目的。时间序列预测模型包括：移动平均模型（MA）以及混合模型等。在实际财务预测运用中，混合模型具体包括自回归移动平均模型（ARMA）以及差分自回归移动平均模型（ARIMA）。传统统计学时间序列分析预测法对于趋势性较强的财务数据集效果比较好，但如果遇到趋势不那么强的医院财务数据集，则效果不太理想。我们可以考虑用机器学习的方法进行财务预测。

4、机器学习时间序列分析预测法

为提高预测的精度，基于数据的机器学习是大数据环境下财务预测技术的重要方面。机器学习可以根据给定的训练样本求出财务预测系统输入输出之间依赖关系的估计，使它能够对未知输出作出尽可能准确的预测。在这里，医院财务机器学习时间序列分析预测法的整体流程为：首先，将财务数据集划分为训练集和测试集;其次，对于训练集做特征筛选，提取有信息量的特征变量，而筛除掉无信息等干扰特征变量;再次，应用算法建立相关财务预测模型;最后，结合测试集对算法模型的输出参数进行优化。具体算法包括：线性回归模型、决策树（回归树）模型等算法模型。在大数据环境下具体医院财务预测中，我们可以将机器学习方法和传统时序预测法结合运用。

通过大数据财务预测方法分析，可以发现大数据环境下医院财务人员将面临思维模式与技术挑战，而如何有效平衡医院财务管理各相关方的认知，处理好医院财务预测需求与大数据预测方法模型应用需求之间的矛盾也是当前面临的主要难题之一。与此同时，基于大数据财务预测方法更多依赖于大数据财务数据来源。按照预测的精细程度，大数据财务预测可以分为不同层级，在不同层级获得准确的预测结果，关键在于宏观数据和微观数据、共性数据和个性数据之间的关联分析。大数据环境下医院财务预测包括成本管理预测、预算管理预测、风险与结余管理预测、收支结构预测、资产运营预测等。医院财务人员结合各个部门传送的不同业务数据，运用大数据预测方法进行有效性分析。根据分析结果深入挖掘医院成本管理、预算管理、风险与结余管理、收支结构和资产运营等方面财务预测。三、结束语

通过国内外大数据环境下财务预测方法分析得出：与传统医院财务数据样本相比来看，大数据财务预测过程为医院财务人员提供了范围更广、更多的数据支持。当然，大数据财务预测由于医院复杂系统本身的不确定性以及突现现象的产生而变得困难，要提高大数据环境下医院财务预测的准确性，需要不斷的改进和完善相关方法模型，以期更好为医院发展战略提供科学依据。希望通过本文的研究和探索，为大数据时代医院财务预测方法提供理论参考。参考文献

[1]景立伟，王彤，王卫琪.传递函数模型在医院业务收入预测中的应用[J].现代预防医学，2007，（20）：3858-3859+3864.

[2] 张丽湘. 医院财务预测模型研究[J].管理观察， 2009（31）：334-335.

[3]赵丽娥，陈氤，谭警宇.云平台下基于贝叶斯的医疗财务风险预测模型[J].电子技术与软件工程，2015，（22）：185-186.

[4]王剑，黄锦春.基于稀有事件Logit模型的财务困境预测研究[J].会计之友，2018，（23）：55-59.

[5]王海峰.试论企业财务管理中的风险预测及处理—基于优化的BP神经网络算法[J].中国注册会计师，2018，（09）：103-106.

[6]贾小平.计量经济学回归分析法在企业财务预测中的应用[J].经济师，2018，（12）：111+113.

[7]李伟杰.基于理论角度的经典统计财务困境预测模型问题研究[J].纳税，2018，12（33）：151.

[8]方匡南，杨阳.SGL-SVM方法研究及其在财务困境预测中的应用[J].统计研究，2018，35（08）：104-115.

[9]郑治平.基于模式识别的企业财务风险预测方法[J].商业会计，2018，（06）：25-28.

[10]艾伯特-拉斯洛·巴拉巴西，巴拉巴西，马慧. 爆发：大数据时代预见未来的新思维[M].中国人民大学出版社， 2012.

[11] Yuan X E， Yu Z. Technology Program Financial Forecast Model Based on CACO-SVM[C]. International Workshop on Intelligent Systems & Applications. 2009.

[12]Penman S H . Financial Forecasting， Risk and Valuation： Accounting for the Future[J]. Abacus， 2010， 46（2）：18.

[13] Jeanbaptiste H ， Qiu M ， Gai K ， et al. Meta Meta-Analytics for Risk Forecast Using Big Data Meta-Regression in Financial Industry [C]. IEEE International Conference on Cyber Security & Cloud Computing. IEEE， 2016.

[14]Nyman R， Kapadia S， Tuckett D， et al. News and Narratives in Financial Systems： Exploiting Big Data for Systemic Risk Assessment[J]. Bank of England Working Papers， 2018.

[15] Cockcroft S ， Russell M . Big Data Opportunities for Accounting and Finance Practice and Research： Big Data in Accounting and Finance[J]. Australian Accounting Review， 2018（2）.

[16]李永梅，張艳红，汪军.财务预测理论与实务[M].立信会计出版社， 2005.

[17]郎茂祥.预测理论与方法[M].清华大学出版社，2011.

随便看

科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。