云会计AIS产品可信失效风险控制研究 本文关键词：失效，可信，风险控制，会计，研究
云会计AIS产品可信失效风险控制研究 本文简介：摘要：云会计AIS可信需求演化可能会给企业带来可信失效风险，企业需要对可信失效风险进行控制。本文在分析企业云会计AIS可信需求演化的影响因素以及云会计AIS可信需求演化带来的可信失效风险的基础上，考虑可信失效风险暴露值和风险控制成本，构建基于多目标优化的可信失效风险控制模型，并使用该模型进行模拟仿真
云会计AIS产品可信失效风险控制研究 本文内容：
摘要：云会计AIS可信需求演化可能会给企业带来可信失效风险，企业需要对可信失效风险进行控制。本文在分析企业云会计AIS可信需求演化的影响因素以及云会计AIS可信需求演化带来的可信失效风险的基础上，考虑可信失效风险暴露值和风险控制成本，构建基于多目标优化的可信失效风险控制模型，并使用该模型进行模拟仿真。结果表明：可信失效风险暴露值和风险控制成本两者形成Pareto最优边界，可以按照企业的实际可信需求快速做出决策，对企业应对可信需求演化有着重要意义。
关键词：云会计；可信需求演化；风险控制
一、引言
云会计产品“按需定制、按需服务”的模式符合大规模定制产品的特点，可以使中小企业在云会计平台上按照企业自身的需求选择相应服务模块，降低企业在会计信息化建设上的投资，但云会计产品的AIS可信性不一定能满足企业的可信期望（程平、何雪峰，2011）。云会计AIS可信是指云会计AIS具备独立客观地反映企业活动的属性且输出的信息符合会计信息质量要求（程平、温艳好，2014）。在使用过程中，用户对云会计AIS的可信需求会随着业务调整等内部因素的变化进行演化，而可信需求演化可能会给企业带来可信失效风险。为了应对可信失效风险，企业将对定制的云会计服务进行更改。企业在取舍是否增加、减少或者调整云会计服务模块时，应当在处理可信失效风险所付出成本和保持现状所带来的可信失效风险暴露损失之间找到最优解。鉴于此，本文对云会计AIS可信需求演化带来的可信失效风险进行研究，并在此基础上对企业如何处理可信失效风险进行讨论，最后给出企业应对云会计AIS可信需求演化带来的可信失效风险控制方案。
二、问题描述
动态环境下企业对云会计AIS可信需求会随着多种因素的变化而不断演化，这些因素分别来自云会计供应商自身、云会计用户反馈和第三方机构业务需求，具体分为可信需求和功能需求。企业用户按照自身的实际需求定制了云会计服务，在一般情况下能够满足企业的AIS最低可信需求。随着企业业务规模、业务种类以及业务模式的发展变化，再加上外部因素的影响，企业对云会计AIS的可信需求和功能需求也发生了变化，如当企业将采购等环节外包给第三方企业完成，企业将不再需要现有云会计服务中的采购模块。企业对云会计AIS发生的可信需求演化可能使得企业对云会计AIS可信需求或功能需求提高，如当企业进行并购重组时将对云会计AIS可信性中的风险可控性提出更高的要求，如果现有云会计AIS不能满足企业新的可信需求，那么现有云会计AIS对企业而言就是不可信的。企业对云会计AIS的可信需求演化也可能导致企业对云会计AIS可信需求或功能需求降低，如企业关闭部分生产线缩减生产规模，放弃生产一部分产品，那么企业对于云会计AIS功能需求降低，现有云会计AIS可信性将超出企业的最低可信需求。
三、可信失效风险控制多目标优化模型
可信失效风险控制的优化目标是寻找处理可信失效风险所付出成本和保持现状所带来的可信失效风险暴露损失这两者的最优解。因此可信失效风险控制是一个多目标控制，需要综合考虑风险暴露导致的损失和处理风险所付出成本进行多目标优化。为了实现多目标优化，需要构建多目标优化模型，而在此之前须提出如下假设：H1a：企业能够识别可信失效风险的数量并且能够有效评估可信失效风险发生的概率，单项可信失效风险发生的概率为πi，其中i表示为第i种风险H2a：企业为处理可信失效风险所付出的成本可以计量为C，处理单项风险所付出的成本为CiH3a：企业能够有效的预测单项可信失效风险暴露后带来的损失，其值为Ri。单项可信失效风险发生后的损失为Di基于以上假设，一般将风险发生概率与风险发生后损失的综合值作为风险暴露值，即Ri=Di×πi。将总的风险暴露值定义为所有单项风险暴露值的和，即R=∑ni=1Ri。同时企业为处理可信失效风险所付出的总成本为控制单项风险所付出成本之和，即C=∑ni=1Ci。根据软件风险管理的实践表明，对风险暴露值越高的风险进行控制所付出的风险控制成本也越高（吴登生、李建平等，2015），想要实现可信失效风险控制的优化目标，在处理多个控制目标时应当采用多目标优化的方法。引入决策变量控制函数xi来表达企业对于可信失效风险控制的决策选择。xi=1时表示企业要对第i项可信失效风险实施风险控制；xi=0时表示企业不会对第i项可信失效风险实施风险控制。当选择企业决定对可信失效风险实施风险控制时，企业可以避免该项可信失效风险暴露后给企业带来的价值损失，但要承担风险控制成本；当选择企业决定不对可信失效风险实施风险控制时，企业可以避免对该项可信失效风险实施风险控制程序所造成的风险控制成本，但要承担风险暴露后给企业带来的价值损失。
四、基于云会计AIS可信需求演化的风险控制多目标优化模型
当企业所定制云会计AIS可信性超出企业最低可信需求，企业将要取消某些服务模块时，虽然会为企业节约成本，但因为模块选择的变化将会对整体可信性带来一定程度的影响，如将丧失对该模块前期会计信息的存储、比较和分析能力等，从而为企业定制的云会计AIS带来可信失效风险。当企业所定制云会计AIS可信性低于企业最低可信需求，或不能满足企业的云会计AIS功能需求，可信失效风险已经出现且企业将要增加某些服务模块时，企业将要付出满足企业最低可信需求的成本，即风险控制成本，但却可以避免可信失效风险暴露后给企业造成的损失。当企业所定制云会计AIS可信性不满足企业最低可信需求，需要对现有云会计服务模块进行调整时，根据实际情况的不同，企业可能会付出额外的成本，也可能会降低成本，却可以避免可信失效风险暴露后给企业造成的损失。以上三种情况可能单独出现，也可能根据实际情况同时出现。三者之间并非完全独立，因此无法分开讨论，在构建基于云会计AIS可信需求演化的风险控制多目标优化模型时，应当将三种情况结合起来考虑。为了构建该优化模型，本文需要做出以下假设：H1b：企业在能够识别可信失效风险的数量并且能够有效评估可信失效风险发生的概率，单项风险发生的概率为πi，其中i表示为第i种风险。H2b：企业在增加或调整某些服务模块时，为控制可信失效风险所付出的成本即增加或变更某些服务模块时支付的费用可以计量为Ca，增加或变更单个服务模块的成本为Cat，at为增加或变更的第t个服务模块。同时，企业能够有效的预测单项可信失效风险暴露后带来的损失，其值为Ri，单项可信失效风险发生后的损失为Di。H3b：企业在减少或调整某些服务模块时，减少的服务模块可以为企业节约成本，所节约成本为减少模块的使用费为Cb，单个模块所节约的成本为Cbt，bt为减少或变更的第t个服务模块。企业在增加或调整某些服务模块时，总的风险控制成本即增加服务模块支付成本为Ca=∑nt=1Cat，总的风险暴露值为R=∑ni=1Ri。需要说明的是，某个模块的增加很可能解决的是多个可信失效风险问题，因此可以将同一模块下的风险暴露值整合在一起，以方便计算。即Ra=∑nt=1Rat=∑nt=1∑amti=1Ri，其中amt是指增加模块中第t个模块下的风险数量。企业在减少或调整某些服务模块时，总的节约成本为Cb=∑nt=1Cbt，所产生的总的风险暴露值为R=∑ni=1Ri。同样，企业减少云会计AIS中的某个模块所带来的可信失效风险问题也可能不止一个，因此可以将同一模块下的风险暴露值整合在一起，以方便计算。即Rb=∑nt=1Rbt=∑nt=1∑bmti=1Ri，其中bmt是指减少模块中第t个模块下的风险数量。引入决策变量控制函数xt来表达企业对于可信失效风险控制的决策选择。xt=1时表示企业要增加或减少第t个服务模块；xt=0时表示企业不会对增加或减少第t个服务模块。当企业增加相应云会计AIS服务模块时，企业可以避免由于该模块缺失导致的多项可信失效风险暴露后给企业带来的价值损失，但要承担风险控制成本；当选择企业决定不增加相应服务模块时，企业可以避免购买该模块服务支付的相应成本，但要承担由该模块缺失导致的多项可信失效风险暴露后给企业带来的价值损失。企业减少云会计AIS功能模块时，可以避免购买该模块服务支付的相应成本，但要承担由于该模块缺失导致的多项可信失效风险暴露后给企业带来的价值损失；当选择企业决定不减少相应服务模块时，企业可以避免由于该模块缺失导致的多项可信失效风险暴露后给企业带来的价值损失，但要承担购买该模块服务支付的相应成本。
五、基于遗传算法的多目标优化求解
多目标优化在实质上是一种针对多个目标问题的折中方法，使同一问题下的多个优化目标在彼此约束下尽可能达到最优。多目标优化问题有多种求解方法，主要有人工免疫算法、粒子群算法、进化算法以及遗传算法等（公茂果、焦李成等，2009）。其中遗传算法具有内在的搜索特性和极强的鲁棒性且不需要过多的领域知识（丁博、王怀民，2011），因此本文选择使用遗传算法来进行求解。遗传算法具体步骤如下：步骤一，初始化参数；步骤二，生成随机初始种群；步骤三，个体评价，确定各个体的适应度，两两比较产生序值；步骤四，根据序值进行选择、交叉、变异操作；步骤五，按照适应度从变异结果中选择出新一代种群；步骤六，判断是否满足条件，若满足条件则输出新一代种群中拥有最大适应度的个体为最优解；若不满足条件则转回步骤三。
六、模拟仿真
G公司是一家机械生产企业，于2014年开始使用云会计。2015年10月，由于经济不景气的大环境，G公司开始缩减业务，关闭了部分生产线，放弃了一部分不走俏的产品，并将采购环节外包给第三方企业以节约成本。同时G公司准备往互联网+生产转型，在阿里巴巴开网店以提升业务销量。随着G公司业务模式的变更，对云会计AIS的可信需求也发生了演化。为了应对可信需求演化，G公司需要综合考虑风险暴露导致的损失和避免风险所付出成本进行优化（见表1、表2）。利用matlab求解GA算法，多目标优化的仿真结果如图1所示。从图1中可以看出，24个pareto非劣解形成了一个近似曲线，即Pareto边界。增加服务模块将增加企业定制云会计产品时的成本，同时会减少风险暴露损失；减少服务模块将减少企业定制云会计产品时的成本，但却会增加风险暴露损失。当对所有可信失效风险进行控制，风险暴露损失为0时，对可信失效风险进行控制所额外付出的成本为1044，此时企业不承担可信失效风险的风险暴露损失；当完全不做可信失效风险控制，尽可能的减少企业在定制云会计产品上付出的成本时，可以为企业节约成本3106，但风险暴露损失为最大值4983，此时没有控制可信失效风险所付出的成本。企业以实现利润最大化为目标，会尽可能的降低在云会计产品上的投入，因此企业选择减少部分定制云会计产品的成本时视同企业选择进行一定程度的可信失效风险控制。从24个帕累托最优解中选择，当G公司选择减少在云会计产品上付出成本1106，视同G公司选择为可信失效风险控制付出2000，此时的风险暴露损失为1526，止损3457；当G公司选择减少在云会计上付出成本1546，视同G公司原则为可信失效风险控制付出1560，此时的风险暴露损失为3135，止损1848。结果表明，对于企业不同投入的风险控制方案，Pareto最优前沿给出了不同情况下的可信失效风险控制最优解，为企业进行针对云会计AIS可信演化带来的可信失效风险控制提供了解决办法。
七、结论
企业可信需求演化会导致定制的云会计产品AIS可信性无法达到企业的可信期望，从而带来可信失效风险。企业对云会计AIS可信需求演化所带来的可信失效风险进行控制时应当充分考虑风险损失和控制成本，按照企业自身不同投入的风险控制方案来进行。本文采用多目标优化的方法给出了不同控制方案下的最优解，为企业进行需求演化下云会计AIS可信失效风险控制提供了新的思路。
参考文献：
［1］程平、何雪峰：《“云会计”在中小企业会计信息化中的应用》，《重庆理工大学学报（社会科学）》2011年第1期。
［2］程平、温艳好：《基于云会计的AIS可信性层次结构模型》，《重庆理工大学学报:社会科学》2014年第2期。
［3］吴登生、李建平：《考虑风险相关性的软件风险多目标优化控制研究》，《系统工程理论与实践》2015年第3期。
［4］公茂果、焦李成：《进化多目标优化算法研究》，《软件学报》2009年第2期。
［5］丁博、王怀民等：《一种支持软件可信演化的构件模型》，《软件学报》2011年第1期。
作者：范伟杰 单位：重庆大学城市科技学院
云会计AIS产品可信失效风险控制研究 来源：网络整理
免责声明：本文仅限学习分享，如产生版权问题，请联系我们及时删除。
相关文章