对于我国的金融机构而言，数据挖掘项目不是一个特别新鲜的话题，却是一个特别缺少成功答卷的命题。对于这个命题，上海证券交易所和吉贝克信息技术（北京）有限公司已共同给出了令人瞩目的答案。这一项目的建设过程中有何独到之处；取得成功的关键何在；对于其他金融机构而言，启迪和借鉴意义何在？围绕这些问题，本刊记者采访了吉贝克信息技术（北京）有限公司董事长刘世平。

记者：目前，诸多业内专家对贵公司参与的上海证券交易所数据挖掘项目评价颇高。上海证券交易所这个项目的需求是如何产生的？
 
刘世平：上海证券交易所（以下简称上交所）的职能不仅是提供一个交易平台，同时赋有对上市公司进行监管的重要职能，其重点是保证上市公司信息披露的及时性、完整性和准确性。而上市公司的财务报表是其综合实力的一个集中反映，上交所通过对上市公司财务报表的分析来建立一种基本判断，实质上，就是建立对上市公司的风险分析系统和对其财务报表的诚信分析系统。
 
这样就产生了两个问题：一是，如何通过财务报表的基本内容，准确判断一家上市公司是不是存在问题。换言之，就是如何将财务报表指标化，通过一些关键指标了解上市公司是否诚信，其经营是否处于健康状态。二是，上交所目前已有８３７家上市公司，一个工作人员要负责几十家上市公司的监管，工作量已经非常大。而且，随着时间的推移，上市公司的数量还会不断增加。这样，上交所就面临一个严峻问题，即如何提高监管效率；如何在控制人员规模的前提下，保证监管质量。这两个基本需求促使上交所提出建设这个项目。

记者：在项目建设中，做了哪些前期准备工作？面对内容十分庞杂的上市公司财务报表，关键指标是如何确定和利用的，指标体系是如何完善的？
 
刘世平：在前期准备阶段，主要完成了两项工作，一是对上交所从事上市公司监管的专家进行访谈；二是对目前的行业分类标准进行分析和完善。
 
专家访谈。上交所有７０多名财务方面的专家，长期从事分析上市公司财务报表的工作，他们具有扎实的理论功底和丰富的实践经验。因此，我们访谈了其中的１８位专家。这些专家结合工作实际，经过非常认真、详细的分析，阐明了他们如何分析财务报表中的数据是否真实，以及从哪些角度判断一个企业是否存在问题等。当然，由于技术偏好和实践经验的差异，这些专家的观点差别很大，我们就利用一些数据挖掘工具将专家们的视角各异的认识成果综合起来，而不是对专家观点的简单再展示。
 
行业标准。接受访谈的专家一致认为，对一个上市公司财务报表的准确分析和判断，仅仅依靠从该企业的财务报表中发现问题是不够的。要判断一个企业的财务报表是不是真实，还必须与同行业的其他企业进行比较。而现行的行业分类标准还比较粗放，比如，只有一个能源行业的分类，事实上能源行业中有煤炭、石油等各种各样的企业，如果只在能源这一类别中对这些企业进行比较，显然不具有可比性。因此，我们花费大量时间，广泛收集和深入分析了西方发达国家和国际上应用较广泛的分类标准，以及我国的国家标准和证监会的标准。根据分析结果，最终确定以我国国家标准和证监会标准为基础，参考和借鉴其他标准对其进行完善，重新建立了一套针对上市公司的分类标准。
 
对于关键指标的确定，上交所的专家们做出了巨大贡献。在访谈中，这些专家使我们知晓了他们在分析财务报告、判断企业状况时重点关注的一些基本指标。然后，我们通过统计学的方法，建立了上市公司单指标预警系统（以下简称单指标预警系统）。
 
单指标预警系统中包括很多模块，这些模块对上交所的整个监管过程发挥了积极作用。第一个重要模块是上市公司财务指标展示。通过这个模块，可以清晰地看到上市公司的基本财务指标，以及这些财务指标的整体变化情况和变化趋势。 
 
第二个重要模块是上市公司单指标预警。这一模块的主要功能是，根据专家经验，当一家上市公司的某项财务指标超出一定的范围，系统就以非常直观的方式给出警告标志。比如，对于发生几率很小的某些事项，一旦出现，系统就根据其概率的大小分别给予一面旗、两面旗、三面旗……的标志。所插的旗子越多，说明这个财务指标偏离正常的程度越大。这样做的主要目的是，使监管人员对此引起重视。这样，就能够大大减轻监管人员的工作强度。
 
事实上，如果只是单单对一个企业的关键指标做纵向比较，难以得出准确的结论。很多情况下还必须以其他同类企业为参照物，把所考查的上市公司放到一个大的环境中做横向比较。因此，在单指标预警系统的第三个重要模块综合指标分析中，我们运用杜邦分析的方法，对上市公司的关键指标进行了横纵两个方面的综合比较。首先，对于同一个企业，我们抓住一条主线，把某项指标全部肢解出来，并对不同年份的情况进行纵向比较；其次，我们以两家同类企业中的任何一家为基础参照系进行比较，能够很快地发现参与比较的企业状态良好与否。
 
此外，我们建立了第四个重要模块关键业绩指标。每个上市公司都有包括盈利率、负债率等在内的十几个关键指标，能够准确反映上市公司的基本业绩情况。对于这些关键业绩指标，我们通过仪表盘的形式给出直观表示。根据仪表盘所示的区间，可以很容易地发现企业目前的业绩情况。
 
第五个重要模块是企业财务报表诊断书。企业财务报表诊断书中共有十二项指标，分别从盈利性、成长性等方面来帮助监管人员做出准确判断。就像医生开出的诊断书一样，在企业财务报表诊断中，不仅有某个上市公司关键指标的当前值、历史值及取值的区间，还有该企业所在行业的区间值等。
 
就其本质而言，单指标预警系统更主要地是对财务报表本身的一些关键字段的展示，一定程度上缺乏综合含义。在单指标预警系统于２００３年１２月３１日顺利上线之后，我们就考虑建设一个真正具有综合含义的系统，构建完善的指标体系并加以应用。当时确立了两个目标，一是对上市公司财务报表建立合理怀疑的指标体系；二是进一步提高上交所的监管效率。在建立模型之前，我们花费了大量的时间对指标体系进行了完善。
 
事实上，对于上市公司而言，除了专家访谈得出的财务报表中的关键指标以外，还存在许多财务和非财务的指标，尤其是非财务指标。比如，公司治理结构，独立董事发言，财务公司变更频率、次数等都是不容忽视的非财务指标。于是，我们就产生了２０００多个变量，包括财务的和非财务的。需要强调的是，在建立这些非财务指标的过程中，上交所的专家们同样发挥了非常重要的作用。比如，收集会计师事务所等变更信息和独立董事发言及受谴责情况的信息，都是专家访谈的成果。
 
取得这些变量之后，我们逐一进行了严格分析，运用数据挖掘和人工干预的一些方法建立起上市公司诚信指标体系。而后，我们对这一指标进行了分类，依据分类测算出不诚信情况的概率，再将其转换为直观的分数及建立不同的分档，分别以五星、四星、三星……来标志，星级越高说明诚信度越差。在这个系统中，监管人员不仅可以直观地看到上市公司目前的诚信状况，以及由于哪些指标和哪些原因导致了这种状况。而且，还可以获知这一整套原始的指标体系。

记者：在项目建成后，是如何对其进行验证的，得出了什么样的结果？
 
刘世平：我们是利用１９９８～２００２年的数据建立了这套系统，建成之后用２００３年的财务报表数据进行了一次检验，系统分析结果与上交所业务人员的分析结果吻合率非常高，达到９４％。但是，在系统建设的过程中，２００３年的数据已经产生，用已知结果进行检验说服力有限。这套系统是在２００４年４月２６日上线的，此时２００４年的上市公司财务报表还没有最后生成，用２００４年数据进行检验不存在投机取巧的可能。因此，我们又用２００４年的最终数据进行了验证。同时，上交所的相关业务人员也以一直沿用的方法对每一家上市公司进行了评析。经过精确统计，吻合率也达到了９０．６７％。

记者：就这个成功的数据挖掘项目而言，您认为其中的关键之处何在，我们能从中得到哪些启迪？
 
刘世平：上交所这个项目的关键之处在于以下几点，这对于任何一个数据挖掘项目都有借鉴意义。其一，在数据挖掘项目的建设中，我始终认为，需求是最重要的。为什么要建设这个项目，要用它来解决什么问题，基本的目的一定要把握住。上交所这个项目的目的就非常明确，提高监管效率，建立合理化的指标体系。在这个过程中，业务专家的参与非常重要，要把业务专家和技术专家结合在一起。要在了解技术的基础上，对业务人员的需求进行提炼、升华，而不是简单的重复。其二，目的确定以后，要搞清楚达到这个目的需要解决哪些问题；要解决这些问题，需要哪些数据的支持，需要对哪些数据进行分析，是否拥有所需的数据。其三，前期准备的过程至关重要。比如，在上交所这个项目中，我们真正利用数据挖掘模型进行运算的时间不到一个月，其余的五个多月一直在做前期的准备工作，广泛地向业务专家请教，充分消化专家智能，搜集、整理所有的相关信息，把理念、动机、方法、特征、特性等全部理顺。正是这个看似与数据挖掘无关的过程，成为该项目成功的基石。其四，对结果的解释也非常重要，这又涉及引入专家智能的问题。
 
我一直强调，数据挖掘是一个过程，绝不是数据加软件这么简单，遵循这一理念的项目才能取得成功。成功的数据仓库项目必须具备实用性、前瞻性、扩展性和安全性，而实用性和前瞻性是重中之重。