Page 172 - 财务与金融
P. 172
财务与金融
Accounting and Finance
平均指标有机结合，从而衡量出战略预算管理体系运行效率的高低。因此，选择
战略预算管理评价指标既要遵循全面性的原则，尽可能最大化信息量，也要应考
虑指标的独立性，尽可能剔除内涵相同、相近或相关性较大的指标，避免因重复
而造成评价时的序列相关或多重共线。
（二）评价方法的选择
基于财务风险防范的战略预算管理评价必须采用适合的评价方法。为了有
效而准确的评价企业战略预算管理系统状况，需要确定战略预算管理系统要素
的权重。确定指标权重的颇具代表性的方法有层次分析法、德尔菲法、因子分
析法等，其中最具影响力的应属层次分析法。层次分析法（Analytical Hierarchy
Process，简称AHP）是美国运筹学家匹兹堡大学教授A.L.Saaty于20世纪70年代
针对解决大型的复杂问题而提出的一种能综合进行定性与定量分析的一种系统分
析方法。作为一种分析多目标、多因素、多准则复杂大系统的有力工具，AHP法
通过将结构复杂系统结构化，层次内两两比较和层次间权重避免了对多因素进行
主观判断的不客观问题，通过一致性检验使得主观决策过程变得更为科学。
三、基于人工神经网络的战略预算管理评价
（一）人工神经网络方法简介
人工神经网络方法（artificial neural networks，ANN）是一种应用类似于大
脑神经突触联接的结构来进行数据处理和信息分析的常用评价方法。它通过对人
脑或自然神经网络的若干基本特性的抽象和模拟，借助计算机网络系统来实现对
生物神经网络的智能计算和系统模拟，避免了复杂的数学推导。网络上的每个结
点相当于一个神经元，每一个节点都代表一种特定的输出函数。在参数漂移和样
本缺损等非正常情况下，神经网络通过联系存储功能、自我学习功能、高速寻解
功能、非线性转换功能和并行处理功能，可以得出较为稳定的结果。神经网络自
身可能是对某种控制策略的逻辑表达，也可能是对自然界某种算法或者函数的逼
近。目前，在实际应用中神经网络中的多层前向神经网络模型最为广泛。这部分
选择基于误差反向传播法（Back-Propagation，即BP神经网络）的多层前向神经
网络来构建模型，以展开对基于财务风险防范的战略预算管理进行系统评价。通
常情况下BP神经网络的具体算法包括两部分：第一部分为正向计算过程，主要
由样本选取信息从输入层经隐含层逐层计算各单元的输出值；第二部分为误差反
向传播过程，主要由输出层计算误差并逐层向前算出隐含层各单元的误差，并以
164
