| 标题 | 基于智能演算法的企业绩效FOA—ROE模型研究 |
| 范文 | 林建邦 王天 [摘 要]随着工业4.0时代下《中国制造2025》的正式出台，强国目标已由“中国制造”加速向“中国智造”转型，意味着新的“智能科技时代”已经到来。文章提出以果蝇演算法优化智能科技产业经营绩效模型。结果显示，果蝇演算法能有效优化模型预测能力，其中固定资产周转率、总资产周转率及研发生产力三项为最有影响力之指标，与智能科技企业经营绩效具有显著正相关关系。 [关键词]智能科技；经营绩效；果蝇优化演算法 [DOI]10.13939/j.cnki.zgsc.2018.17.075 1 前 言 工业4.0以智能制造为重点，中国版工业4.0规划是中国寻求制造业智能转型的必由之路。为此，中国政府一方面出台《中国制造2025》规划，作为实现智能化改造的国家战略；另一方面也积极吸引海内外有关投资和加速智能制造的研究实践推广。目前，整个中国智能制造相关行业的市场空间已达到1000亿元，而根据艾瑞咨询公司的行业研究报告，2015年中国智能硬件热门品类的销量已达千万以上，2016年中国智能产业规模达95.6亿元，比2015年同比增长37.9%，整个行业的规模将实现持续增长的态势。[1] 企业在营运发展的过程中，若能便捷地透過自身经营数据提前预知营运危机及有效地掌握经营实况，在适当时间做出合宜反应，是为企业实现永续经营的关键之处。在智力密集型和技术密集型企业当中，常被用于衡量企业经营绩效的指标主要有股东权益报酬率；[2]另外，企业绩效基本受到结构资本、流程资本、创新资本等因素的影响，例如：总资产周转率、存货周转率、固定资产周转率、研发投入、研发密集度等皆对企业绩效有显著影响。[3-4] 由于中国的智能科技产业发展起步较晚，对于该产业经营绩效的评估与预测目前也无具体明确的指标与模型。有鉴于此，本研究采用前沿优化算法——果蝇演算法（Fruit Fly Optimization Algorithm，FOA）来优化智能科技企业经营绩效预测模型的参数，该算法过去被成功应用于企业财务绩效预测、[5]交通流量预测[6]、基金买卖决策预测[7]领域，优化后的模型预测能力均得到提升；同时，FOA有比其他优化算法计算量较少、复杂度较低、精确度更高[8]的优点。因此，本研究目的采用FOA提高模型预测力，并找出最适合的预测模型及对企业经营绩效具有重要影响力的预测指标，为中国智能科技产业经营绩效预测提供较适合的模型，以保持智能科技产业高速稳定的发展。 2 研究设计 2.1 研究架构 本研究主要根据国家发展目标为依据，选定研究对象为智能科技产业，并了解该产业发展的现状；再者，通过大量文献资料及研究目的，分别采用多元回归方法（Regression）及果蝇演算法优化后的多元回归（FOA-Regression），建构企业经营绩效应变量的预测模型，找智能科技企业经营绩效预测的最适合模型与指标，研究架构如图1所示。 图1 研究流程图情况 2.2 数据选取 本研究旨在为中国智能科技产业建构具有较强预测力之经营绩效预测模型，因此以中国上市智能科技产业公司为研究对象，通过国泰安数据库筛选出2006—2016年11年间企业数据资料共2554笔，希望从中探寻中国智能科技企业的发展轨迹，以助智能科技产业经营战略和健全体制的发展。 2.3 研究变量 2.3.1 企业经营绩效衡量因素 本研究采用财务性指标衡量企业经营绩效（应变量），为股东权益报酬率（Return On Equity，ROE），计算方法如公式所示。 股东权益报酬率=税后损益平均股东权益净额 2.3.2 企业经营绩效影响因素 由于智能科技企业属于知识、技术密集型企业，并根据其他学者过往之相关研究，投入建模的自变量及其计算公式如表1所示。 2.4 果蝇演算法 果蝇本身在感官知觉上优于其他物种，尤其是在嗅觉上，食物的味道越浓，果蝇对其感知能力就越强，其搜索食物的过程就是不断地从味道小的地方到达味道更浓的地方的过程。 依照果蝇搜寻食物的特性，该算法的具体步骤如下。[9] 步骤1：随机初始果蝇群体位置（Fly Group）。 InitX_axis；InitY_axis.（1） 步骤2：赋予果蝇个体（Fly1， Fly2， Fly3）利用其嗅觉搜寻食物之随机方向与距离。 Xi=X_axis+RandomValue. （2） Yi=Y_axis+RandomValue.（3） 步骤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。 Disti= Xi2+Yi2；Si=1Disti.（4） 步骤4：将味道浓度判定值（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的味道浓度（Smelli）。 Smelli=FunctionSi.（5） 步骤5：找出此果蝇群体中的味道浓度最高的果蝇（求极大值，例如Fly2）。 best Smell best Index=maxSmell. （6） 步骤6：保留最佳味道浓度值与x、y坐标，此时果蝇群体利用视觉向该位置（Fly2）飞去，形成新的群聚位置。 X_axis=Xbest index；（7） Y_axis=Ybest index.（8） 步骤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，若是则执行步骤6。 Smell best=best Smell.（9） 3 实证分析 本研究以ROE为企业经营绩效衡量的应变量，并采用多元回归的逐步回归法进行变量筛选及模型建构，摒除共线性及不相关之变量（VIF<10和P-value<0.05），得出固定资产周转率、总资产周转率、研发生存力为影响智能科技企业经营绩效的重要变量。 进一步利用果蝇优化演算法优化ROE模型的参数，初始设定均为5个果蝇群体，随机初始化果蝇群体位置区间为[0，1]，迭代的果蝇搜寻食物的随机飞行方向与距离区间为[-1，1]，设定最高迭代次数为100，建构FOA-ROE预测模型。由图2可知，FOA-ROE模型在第37次迭代后开始达到收敛的效果。 图2 FOA-ROE迭代RMSE收敛趋势 由表2可知，經由FOA迭代的寻优后，ROE回归模型RMSE值大幅降低至0.00171，最佳的模型参数分别为0.03928、0.037744、0.038532。结果显示，经FOA优化后的回归模型预测误差（RMSE）更小，预测力更强。 4 结 论 近年来中国智能科技产业高速发展，但快速发展的同时也更容易出现经营问题。研究结果显示，果蝇优化演算法的运用大大提高了企业经营绩效模型的预测能力，经由FOA优化后的模型预测误差均明显降低，对于企业经营绩效提出更有效的预测模型。对于中国智能科技企业而言，影响其经营绩效的变数中，经由模型的挑选，显示固定资产周转率、总资产周转率及研发生产力三项为最有影响力之指标，与企业经营绩效具有显著正相关关系。所以，企业应形成科学的固定资产管理制度，明确管理部门和分工原则，使固定资产维持更长的作业寿命和更好的机器性能，提高资产的使用效率；另外，实现特色智能技术与智能产品的开发也是企业核心竞争力所在，因此企业应注重研发，对研发做好提前规划，避免不合理的研发投入；同时，加强与企业内部其他部门和外部材料供应商的协同合作，实现资源互补以及研发质量与效率的提高。 参考文献： [1]中国工控网.2016年智能硬件产业发展趋势分析[EB/OL].[2017-01-20].http：//www.gongkong.com/news/201606/343973.html. [2]从蔚.欧洲公司人力资源、研发支出与公司绩效之关联性-以德、英、法三国为例[D].台湾：淡江大学，2016. [3]王文英，张清福.智慧资本影响绩效模式之探讨——我国半导体业之实证研究[J].会计评论，2004（39）：89-117. [4]黄丽芬.景气循环、研究发展对财务绩效影响之研究——以我国上市上柜咨讯电子业为例[D].台湾：中原大学，2003. [5]林淑美.应用果蝇算法优化支持向量机建构企业经营绩效侦测模型[R].台湾：中国科技大学行销与流通管理系，2012-01-17. [6]CONG Y，WANG J，LI X.Traffic Flow Forecasting by a Least Squares Support Vector Machine with a Fruit Fly Optimization Algorithm[J].Procedia Engineering，2016（137）：59-68. [7]潘文超.果蝇最佳化演算法第二版[M].台湾：沧海书局，2013. [8]吴小文，李撃.果蝇算法和5种群智能算法的寻优性能研究[J].火力与指挥控制，2013，3（4）：18-19. [9]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[J].太原理工大学学报：社会科学版，2011，29（4）：1-5. |
| 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。