王天?林建邦

摘要：當(dāng)前全球產(chǎn)業(yè)結(jié)構(gòu)由“工業(yè)型經(jīng)濟(jì)”向“服務(wù)型經(jīng)濟(jì)”加速轉(zhuǎn)型，現(xiàn)代服務(wù)業(yè)的面貌日新月異。在全球競(jìng)爭(zhēng)激烈的經(jīng)濟(jì)環(huán)境中，現(xiàn)代服務(wù)業(yè)的經(jīng)營(yíng)績(jī)效發(fā)展在產(chǎn)業(yè)結(jié)構(gòu)的轉(zhuǎn)型中起到非常關(guān)鍵的作用。近年來(lái)，人工智能技術(shù)的發(fā)展快速，許多智能化技術(shù)已應(yīng)用于現(xiàn)代服務(wù)業(yè)之中。本文主要通過(guò)人工智能技術(shù)，以智能算法優(yōu)化機(jī)器學(xué)習(xí)，建構(gòu)出適合我國(guó)現(xiàn)代服務(wù)業(yè)的經(jīng)營(yíng)績(jī)效預(yù)測(cè)模型。研究結(jié)果顯示，通過(guò)智能算法優(yōu)化的經(jīng)營(yíng)績(jī)效模型預(yù)測(cè)能力良好;同時(shí)，根據(jù)不同經(jīng)營(yíng)績(jī)效評(píng)價(jià)指標(biāo)的預(yù)測(cè)模型提出重要的影響因素。研究結(jié)果可作為現(xiàn)代服務(wù)業(yè)可持續(xù)發(fā)展的基礎(chǔ)保障。

關(guān)鍵詞：現(xiàn)代服務(wù)業(yè);人工智能;經(jīng)營(yíng)績(jī)效;智能優(yōu)化;MARS

一、前言

2017年印發(fā)的《“十三五”現(xiàn)代服務(wù)業(yè)科技創(chuàng)新專項(xiàng)規(guī)劃，以下簡(jiǎn)稱規(guī)劃》指出，當(dāng)前全球產(chǎn)業(yè)結(jié)構(gòu)由“工業(yè)型經(jīng)濟(jì)”向“服務(wù)型經(jīng)濟(jì)”加速轉(zhuǎn)型，現(xiàn)代服務(wù)業(yè)的面貌日新月異[1]。隨著大數(shù)據(jù)時(shí)代到來(lái)，人工智能（artificial intelligent， AI）技術(shù)已應(yīng)用于現(xiàn)代服務(wù)業(yè)之中。由此可知，在全球競(jìng)爭(zhēng)激烈的經(jīng)濟(jì)環(huán)境中，現(xiàn)代服務(wù)業(yè)的發(fā)展在產(chǎn)業(yè)結(jié)構(gòu)的轉(zhuǎn)型中起到非常關(guān)鍵的作用。

近年來(lái)，我國(guó)服務(wù)業(yè)比重快速增長(zhǎng)。2019年，服務(wù)業(yè)增加值占國(guó)內(nèi)生產(chǎn)總值的53.9%[2]，預(yù)計(jì)到2025年服務(wù)業(yè)增加值占國(guó)內(nèi)生產(chǎn)總值的比重將達(dá)到60%[3]。然而，盡管中國(guó)的現(xiàn)代服務(wù)業(yè)發(fā)展迅速，但如果企業(yè)沒(méi)有做好合理的資源分配，對(duì)于經(jīng)營(yíng)績(jī)效發(fā)展進(jìn)行有效地預(yù)測(cè)，容易導(dǎo)致企業(yè)的虧損，進(jìn)而造成社會(huì)經(jīng)濟(jì)環(huán)境的不穩(wěn)定。

因此，本文遵循《規(guī)劃》的總體部署“142”體系框架路線，研究開(kāi)發(fā)現(xiàn)代服務(wù)業(yè)領(lǐng)域發(fā)展的基礎(chǔ)理論和共性關(guān)鍵技術(shù)[1]。本研究目的主要透過(guò)大數(shù)據(jù)分析技術(shù)找出對(duì)現(xiàn)代服務(wù)業(yè)經(jīng)營(yíng)績(jī)效預(yù)測(cè)有顯著影響的財(cái)務(wù)指標(biāo)，并對(duì)比于其他不同產(chǎn)業(yè)進(jìn)行分析提出相關(guān)建議，強(qiáng)化現(xiàn)代服務(wù)業(yè)領(lǐng)域發(fā)展理論。最后，研究結(jié)論可作為未來(lái)我國(guó)現(xiàn)代服務(wù)業(yè)發(fā)展的參考依據(jù)，為現(xiàn)代服務(wù)業(yè)可持續(xù)發(fā)展提供基礎(chǔ)保障。

二、文獻(xiàn)探討

現(xiàn)代服務(wù)業(yè)相當(dāng)于除第一、二產(chǎn)業(yè)以外的第三產(chǎn)業(yè)?；A(chǔ)理論和共性關(guān)鍵技術(shù)一直是我國(guó)現(xiàn)代服務(wù)業(yè)發(fā)展的薄弱環(huán)節(jié)，特別是標(biāo)準(zhǔn)規(guī)范制定方面相比國(guó)際先進(jìn)水平差距較大，嚴(yán)重制約了我國(guó)現(xiàn)代服務(wù)業(yè)企業(yè)綜合競(jìng)爭(zhēng)力的提升[1]。然而，企業(yè)經(jīng)營(yíng)績(jī)效作為評(píng)估企業(yè)綜合競(jìng)爭(zhēng)力的主要指標(biāo)之一，對(duì)于現(xiàn)代服務(wù)業(yè)企業(yè)經(jīng)營(yíng)績(jī)效的預(yù)測(cè)，便成為是國(guó)內(nèi)外學(xué)者廣泛研究的項(xiàng)目之一。

對(duì)于企業(yè)經(jīng)營(yíng)績(jī)效發(fā)展的預(yù)測(cè)，國(guó)內(nèi)外學(xué)者已提出許多重要的影響因素，同時(shí)根據(jù)財(cái)務(wù)指標(biāo)的屬性，可分為“償債能力”、“營(yíng)運(yùn)效率”、“營(yíng)業(yè)成本”、“盈利能力”及“每股指標(biāo)”等。償債能力指企業(yè)對(duì)于債務(wù)的還款能力。例如：速動(dòng)比率、產(chǎn)權(quán)比率及資產(chǎn)負(fù)債率等。營(yíng)運(yùn)效率指對(duì)于企業(yè)對(duì)于資產(chǎn)的周轉(zhuǎn)與利用，可用于評(píng)估管理水平和資產(chǎn)運(yùn)用能力。例如：總資產(chǎn)周轉(zhuǎn)率、存貨周轉(zhuǎn)率及應(yīng)收賬款周轉(zhuǎn)天數(shù)等。盈利能力是代表企業(yè)資金應(yīng)收獲利的能力。例如：銷售凈利率、主營(yíng)業(yè)務(wù)利潤(rùn)率及資產(chǎn)回報(bào)率等[4]。每股指標(biāo)則有每股營(yíng)業(yè)總收入、每股凈資產(chǎn)及每股息稅前利潤(rùn)等指標(biāo)。然而，根據(jù)過(guò)去文獻(xiàn)的探討發(fā)現(xiàn)，影響企業(yè)經(jīng)營(yíng)績(jī)效預(yù)測(cè)的重要因素往往會(huì)根據(jù)研究對(duì)象所屬產(chǎn)業(yè)，或者使用的企業(yè)實(shí)際數(shù)據(jù)而有所不同，通常會(huì)數(shù)據(jù)分析的不斷嘗試，找出有顯著影響力的變量?，F(xiàn)代服務(wù)業(yè)強(qiáng)調(diào)在與顧客密切接觸過(guò)程中，讓顧客能體驗(yàn)到更高附加價(jià)值，使顧客愿意持續(xù)消費(fèi)，維持企業(yè)的正常發(fā)展。因此，關(guān)于顧客關(guān)系或企業(yè)結(jié)構(gòu)流程方面的財(cái)務(wù)指標(biāo)，對(duì)現(xiàn)代服務(wù)業(yè)經(jīng)營(yíng)績(jī)效同樣起到非常重要的影響作用。

三、研究設(shè)計(jì)

（一）研究流程

本文依據(jù)國(guó)家政策對(duì)AI發(fā)展的總體思路，通過(guò)國(guó)內(nèi)外文獻(xiàn)搜集與研究，結(jié)合對(duì)現(xiàn)代服務(wù)業(yè)企業(yè)的調(diào)查研究，采用AI方法進(jìn)行反復(fù)自動(dòng)驗(yàn)證，計(jì)算對(duì)企業(yè)經(jīng)營(yíng)績(jī)效預(yù)測(cè)影響變量的重要性，以確定顯著的建模變量。進(jìn)一步采用AI智能算法優(yōu)化，為現(xiàn)代服務(wù)業(yè)企業(yè)尋找合適的經(jīng)營(yíng)績(jī)效預(yù)測(cè)模型。最后，根據(jù)研究結(jié)果做出經(jīng)營(yíng)績(jī)效管理與企業(yè)發(fā)展的建議，為現(xiàn)代服務(wù)業(yè)可持續(xù)發(fā)展提供可行的、便于操作的指導(dǎo)方針，研究流程如圖1所示。

（二）研究數(shù)據(jù)

根據(jù)《規(guī)劃》的指導(dǎo)意見(jiàn)可知，文化和旅游產(chǎn)業(yè)的需求潛力大，是現(xiàn)代服務(wù)業(yè)積極發(fā)展的應(yīng)用領(lǐng)域之一。本研究選取2016 - 2018年Wind數(shù)據(jù)庫(kù)中文化、旅游等業(yè)務(wù)符合條件的上市公司作為研究樣本。同時(shí)，經(jīng)過(guò)文獻(xiàn)匯總之后，以企業(yè)經(jīng)營(yíng)績(jī)效最常用的3種評(píng)價(jià)指標(biāo)：凈資產(chǎn)收益率（ROE）、資產(chǎn)收益率（ROA）、每股收益（EPS）[5]作為預(yù)測(cè)模型的應(yīng)變量;另外，從數(shù)據(jù)庫(kù)中挑取出過(guò)去文獻(xiàn)曾經(jīng)提及，對(duì)企業(yè)經(jīng)營(yíng)績(jī)效有顯著影響的財(cái)務(wù)指標(biāo)作為自變量的候選列表，并進(jìn)一步篩選出建模的變量組合。

（三）研究方法

隨著大數(shù)據(jù)AI技術(shù)快速發(fā)展，傳統(tǒng)的分析方法開(kāi)始被智能優(yōu)化方法取代。近年來(lái)，學(xué)者基于自然界的生物覓食過(guò)程提出許多群體智能算法。其中，學(xué)者潘文超（2011）提出的果蠅優(yōu)化算法（fruit fly optimization algorithm，F(xiàn)OA）計(jì)算簡(jiǎn)單、尋優(yōu)能力強(qiáng)且能有效優(yōu)化預(yù)測(cè)的準(zhǔn)確度，受到學(xué)者廣泛的討論并應(yīng)用于不同領(lǐng)域的優(yōu)化上，都有非常不錯(cuò)的表現(xiàn)[6]。此外，本文采用AI學(xué)習(xí)方法――多元自適應(yīng)回歸樣條法（multivariate adaptive regression splines， MARS）的方法建構(gòu)模型，用來(lái)預(yù)測(cè)現(xiàn)代服務(wù)業(yè)企業(yè)經(jīng)營(yíng)績(jī)效發(fā)展。MARS是Friedman（1991）提出的一種分段擬合的回歸方法[7]。MARS主要是通過(guò)節(jié)點(diǎn)講樣本空間劃分為不同的子集，再重新組合為預(yù)測(cè)模型，適用于高維度的預(yù)測(cè);同時(shí)，MARS的另一個(gè)特性是可以計(jì)算出自變量的重要性。因此，在強(qiáng)調(diào)研發(fā)現(xiàn)代服務(wù)業(yè)的共性關(guān)鍵技術(shù)上，本文結(jié)合FOA優(yōu)化MARS的方法，進(jìn)一步提升現(xiàn)代服務(wù)業(yè)企業(yè)經(jīng)營(yíng)績(jī)效預(yù)測(cè)模型的精確度。

四、實(shí)證結(jié)果

（一）變量重要性

特征選擇為影響模型預(yù)測(cè)力的重要程序之一。本文為確保預(yù)測(cè)模型的預(yù)測(cè)力，在建構(gòu)經(jīng)營(yíng)績(jī)效預(yù)測(cè)模型之前采用二階段特征選擇。首先，采用多元回歸篩選出對(duì)應(yīng)變量有顯著影響的建模自變量，接著，在FOA優(yōu)化MARS建模過(guò)程中進(jìn)一步計(jì)算自變量的重要性，確認(rèn)對(duì)不同經(jīng)營(yíng)績(jī)效評(píng)價(jià)指標(biāo)有重要影響的變量（如表1所示）。

由表1可知，經(jīng)過(guò)二階段特征選取方法，不同的評(píng)價(jià)指標(biāo)的重要變量也不盡相同。除了“全部資產(chǎn)現(xiàn)金回收率（重要性100）”同時(shí)為3個(gè)預(yù)測(cè)模型的重要變量外，影響EPS模型的重要變量還有“每股營(yíng)業(yè)總收入”與“總資產(chǎn)周轉(zhuǎn)率”;同時(shí)對(duì)ROA與ROE模型有影響的重要變量為“每股息稅前利潤(rùn)”與“每股凈資產(chǎn)”。另外，“流動(dòng)比率”與“銷售凈利率”對(duì)ROA模型有影響;“營(yíng)業(yè)成本率”與“經(jīng)營(yíng)活動(dòng)現(xiàn)金流量?jī)纛~占比”則是對(duì)ROE模型有影響。

（二）優(yōu)化后經(jīng)營(yíng)績(jī)效預(yù)測(cè)模型

本文以FOA優(yōu)化MARS預(yù)測(cè)模型，訓(xùn)練集與測(cè)試集的預(yù)測(cè)誤差（RMSE）整理如表2所示。由表2可知，F(xiàn)OA優(yōu)化后的3個(gè)應(yīng)變量的經(jīng)營(yíng)績(jī)效模型預(yù)測(cè)誤差相對(duì)較小，建模結(jié)果可以適用于現(xiàn)代服務(wù)業(yè)經(jīng)營(yíng)績(jī)效預(yù)測(cè)。

五、結(jié)論與建議

我國(guó)正在積極發(fā)展現(xiàn)代服務(wù)業(yè)。雖然國(guó)家出臺(tái)許多政策扶持，現(xiàn)代服務(wù)業(yè)企業(yè)更應(yīng)該由企業(yè)內(nèi)部出發(fā)，尋求有效的發(fā)展。本文遵循《規(guī)劃》的總體部署“142”體系框架路線，

采用AI技術(shù)建構(gòu)現(xiàn)代服務(wù)業(yè)經(jīng)營(yíng)績(jī)效模型，經(jīng)過(guò)智能優(yōu)化后的預(yù)測(cè)模型，皆能獲得較好的預(yù)測(cè)效果。另外，財(cái)務(wù)指標(biāo)常被用于預(yù)測(cè)經(jīng)營(yíng)績(jī)效發(fā)展，但不同分類的財(cái)務(wù)指標(biāo)對(duì)于不同評(píng)價(jià)指標(biāo)的經(jīng)營(yíng)績(jī)效模型，影響的程度也略有差異。

由研究結(jié)果可知，“全部資產(chǎn)現(xiàn)金回收率”在3個(gè)模型中都是最重要的，表示現(xiàn)代服務(wù)業(yè)企業(yè)在預(yù)測(cè)經(jīng)營(yíng)績(jī)效發(fā)展時(shí)，應(yīng)該著重于確認(rèn)企業(yè)全部資產(chǎn)產(chǎn)生現(xiàn)金的能力，獲取現(xiàn)金能力越強(qiáng)，經(jīng)營(yíng)管理水平越高。除此之外，“總資產(chǎn)周轉(zhuǎn)率”在EPS的預(yù)測(cè)模型中相對(duì)較ROA與ROE預(yù)測(cè)模型具有影響力，表示在進(jìn)行EPS預(yù)測(cè)時(shí)，可以多嘗試?yán)脿I(yíng)運(yùn)效率方面的財(cái)務(wù)指標(biāo);在ROA的預(yù)測(cè)模型中，“償債能力（速動(dòng)比率）”與“盈利能力（銷售凈利率）”相對(duì)重要;而ROE的預(yù)測(cè)中，更重視“營(yíng)業(yè)成本”類指標(biāo)的運(yùn)用。

基礎(chǔ)理論和共性關(guān)鍵技術(shù)一直是我國(guó)現(xiàn)代服務(wù)業(yè)發(fā)展的薄弱環(huán)節(jié)，本文通過(guò)收集實(shí)際的現(xiàn)代服務(wù)業(yè)數(shù)據(jù)，以AI智能技術(shù)建構(gòu)經(jīng)營(yíng)績(jī)效發(fā)展的預(yù)測(cè)模型，為現(xiàn)代服務(wù)業(yè)理論研究和共性關(guān)鍵技術(shù)提出有效建議，可作為現(xiàn)代服務(wù)業(yè)可持續(xù)發(fā)展的參考。

本文對(duì)于現(xiàn)代服務(wù)業(yè)經(jīng)營(yíng)績(jī)效發(fā)展提出系統(tǒng)化與專業(yè)化的研究方向，惟過(guò)程中仍有部分不足。未來(lái)建議可再加入更多現(xiàn)代服務(wù)業(yè)的企業(yè)數(shù)據(jù)及有關(guān)研發(fā)與人力資源相關(guān)的變量，以增加預(yù)測(cè)模型的有效性與完整性。

參考文獻(xiàn)：

[1] 科技部.《“十三五”現(xiàn)代服務(wù)業(yè)科技創(chuàng)新專項(xiàng)規(guī)劃》解讀[EB/OL]. http：//www.most.gov.cn/kjbgz/201705/t20170516_132783.htm. 2017-05-16/2020-05-30.

[2]國(guó)家統(tǒng)計(jì)局.年底數(shù)據(jù)-國(guó)產(chǎn)總值[EB/OL]. http：//data.stats.gov.cn/easyquery.htm？cn=C01&zb=A0201&sj=2019.2020-01-17/2020-05-30.

[3] 國(guó)家發(fā)展改革委.發(fā)展改革委關(guān)于印發(fā)《服務(wù)業(yè)創(chuàng)新發(fā)展大綱（2017—2025年）》的通知[EB/OL]. http：//www.gov.cn/xinwen/2017-06/21/content_5204377.htm. 2017-06-21/2020-02-01.

[4] 李琨.財(cái)務(wù)指標(biāo)分析在審計(jì)實(shí)踐中的應(yīng)用[J].現(xiàn)代商業(yè)，2011（6）：229.

[5] Téllez， D.， González， M.， Guzma?N， A.， Trujillo， M.A. What do you say and how do you say it： Information disclosure in Latin American firms[C]. Documentos de Trabajo CIEF 016358 Universidad EAFIT， 2017.

[6] 潘文超.應(yīng)用果蠅優(yōu)化算法優(yōu)化廣義回歸神經(jīng)網(wǎng)絡(luò)進(jìn)行企業(yè)經(jīng)營(yíng)績(jī)效評(píng)估[J]. 太原理工大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版）， 2011， 29（4）：1-5.

[7] Friedman， J.H. Multivariate Adaptive Regression Splines[J]. The Annals of Statistics， 1991， 19 （1）： 1-67.

基金項(xiàng)目：廣東省教育廳普通高校特色創(chuàng)新類項(xiàng)目（2018WTSCX226）;廣東省哲學(xué)社會(huì)科學(xué)學(xué)科共建項(xiàng)目（GD18XGL33）;科研創(chuàng)新團(tuán)隊(duì)階段成果（團(tuán)隊(duì)號(hào)：2018TD05）。