【摘 要】 会计管理和会计核算技术的模型化将是未来会计发展的基本趋势。文章拟就现代数学的两个特定领域——模糊理论和灰色理论在会计管理与会计核算中的建模方法作具体的分析和评价。模糊理论探讨“认知不确定性”问题，强调先验信息，依赖人的经验，研究经验认知的表达规律。灰色理论探讨“少数据不确定性”问题，强调信息优化，研究现实规律。
【关键词】 信息管理； 数据建模； 模糊集合； 灰色系统
一、会计建模理论与方法述评
为了充分发挥会计的职能，数学家、法学家、工程师等参与会计理论的研究，使会计程序进一步渗透到企业生产经营管理的许多环节。会计管理与会计核算工作也越来越融入到企业的生产经营管理活动之中。会计管理和会计核算技术的模型化，也成了未来会计发展的基本趋势。但任何定量化的核算都是以充分的定性分析的结论为依据的。
在会计管理和会计核算技术的模型构造中，笔者按这些技术在会计领域中应用的先后顺序，将其分为会计核算技术模型和会计管理技术模型两大类。会计核算的技术模型主要针对存货计价、资产折旧、利息计算、票据贴现、债券摊销、债券发行、股票计价、成本计算等内容。这些内容在初、中级会计中得到详细的解读。会计管理的技术模型主要针对成本的性态分析、完全成本的计算、变动成本的计算、标准成本的计算、盈亏平衡分析、存货管理、质量成本分析、经营杠杆分析、敏感性分析、模拟技术、网络技术、投入产出、相关分析、线性规划、影子价格、价值工程、排队管理、动态规划、经营预测和管理决策等内容。这些内容在中、高级会计中作了系统的构造和分析。
对于一个具体的问题，究竟选择构造什么样的模型，并不是一成不变的。但任何模型都要经过检验才能判定其是否合适，是否合格。只有通过检验的模型才能用以科学的估计和预测。在社会经济系统中，人们通常遇到的问题是信息不完全（可能是参数信息不完全、结构信息不完全、关系信息不完全、运行行为信息不完全）的情况。如果掌握的数据不明确或者缺乏，那就难以建立确定的完整的模型。会计核算技术和会计管理的量化模型，大多是数理统计的方法。这些方法的严重不足是：1.要求大样本；2.要求样本有较大的分布规律；3.计算工作量也都较大；4.还可能出现量化的结果与定性分析的结果不符。为了解决这些问题，以下笔者选择了现代数学的两种不确定性理论：模糊理论和灰色理论，并对其在会计管理和会计核算中的应用作系统的分析和评价。
二、会计管理的模糊评价模型
美国加利福尼亚大学的扎德教授在1956年，发表了著名的论文《模糊集合》，标志着模糊学的诞生。他在论文中引进了模糊集合这个概念。为了描述某个对象是否属于某个模糊集合，他用了0到1之间的数来表示它的隶属程度，而不是普通集合中有十分明确的界限。普通集合对于给定的隶属只有两个：属于为1、不属于为0，模糊集合可以在1和0之间连续取值，用隶属程度表示研究对象属于某一模糊集合的种种状态。
模糊评价模型是对事前难以确定的目标的模糊性用定量的方法进行评价的一种方法，可用于会计管理和会计核算的各个方面。
“模糊”（FUZZY）现象的特征是：概念本身没有十分明确的外延，一个对象是否合乎这个概念没有确定。如大、中、小；好、中、差；宏观、中观、微观。由于客观事物存在模棱两可的现象，因而对这些事物就没有办法精确，过于精确了反而模糊，适当的模糊反而精确。研究模糊性问题不能用经典数学的分析方法，而要用模糊数学的分析方法。
笔者以会计信息质量的综合评价为例，来说明构造模糊评价模型的基本原理。因为评价会计信息质量的综合指标还仅仅是理论上存在的一个评价标准。通常用到的综合指标是会计信息集合所产生的净收益。即使用会计信息集合产生的决策价值大于获得会计信息集合的成本之间的差额。这一指标既不符合实际，也不便于操作，而是需要将其进一步具体化，提出一些更具体且更易判定的质量标准。例如，反映会计信息质量的具体指标可用：1.真实性；2.相关性；3.可比性；4.一致性；5.及时性；6.明晰性；7.重要性；8.成本性等，也可以从其他方面来衡量。但每一项会计信息的质量指标仅反映了会计信息在某一方面的质量特征；一项指标好，并不能说明会计信息就好，一项指标差，也不意味着会计信息就差。但毕竟不能用一个具体的指标来直接反映会计信息质量的综合状况。然而，单项质量指标为我们提供了改进会计信息质量的基本途径，即通过采取措施来提高单项质量指标。以下笔者就借用模糊数学来综合评价会计信息集合的优劣。
为了提高会计信息的质量，可以从各单项指标入手，制定各种改进方案。例如，改进计提折旧方法，以提高准确性；进行物价调整以提高相关性。但综合评价的原理还给我们以下不同的启示：
第一，某项质量指标的改进，可能会引起其他单项指标的降低，但只要其边际决策价值大于边际成本，则这项改进便可以提高会计信息的质量，这是值得采用的。比如某项质量指标的改进可以增加会计信息的相关性，但同时降低了会计信息的可比性。只要这种做法更有利于会计信息使用者进行决策，则是应予肯定的。
第二，对于某一单项指标，如果任何改进方案的边际决策价值都不大于边际成本，则该指标在目前条件下已经达到最优。这说明改进后对决策并无多大帮助，即边际决策价值为零，但会计信息的提供是需要成本的，因此该改进是无益的。
第三，某一单项指标的重要性是变化的。会计信息集合的边际决策价值越是大于边际成本，则该项指标对整个会计信息质量的影响越大，从而也就越重要。在实际工作中，最重要的单项质量指标，也是我们首先应予改进的质量指标。
综合而言，模糊评价法的优点是评价准确，能把定性问题化为定量模型来分析，使分析结果有一定的说服力；缺点是分析人员需要较高的数学能力和数据处理能力。
三、会计数据的灰色动态模型
灰色动态模型是依据华中工学院邓聚龙教授提出的灰色系统理论建立的数学模型。建模是灰色理论的核心，灰色建模克服了传统建模要求数据完整、信息明确、分布典型有规律等缺陷。灰色建模可以在“少数据、少信息、任意分布”的条件下，直接将离散的时间序列转化为微分方程，建立起能描述自然科学与社会科学中许多抽象系统发展变化的动态模型。系统建模主要是通过数的生成或序列算子作用，寻找其规律；然后根据灰色理论的建模思想完成系统建模的。
灰色建模与预测的应用表明，灰色系统理论是在“小样本”、“贫信息”和“不确定”的条件下建立的。同传统的数据建模与应用相比具有以下几个方面的特性：
（1）用灰色数学来处理不确定量，使之量化。在数学发展史上，传统的经典数学是建立在决定论框架内的分析数学。随后又产生了用随机变量和随机过程来研究事物的状态和运动的概率数学。模糊数学的出现，与其说提供了一个实用工具，倒不如说提供了一种新的视野，让我们能有机会去评价似是而非的一些问题。我们不再使用明确的逻辑判断，去说“是”或“否”，而是使用一个逼近于某个属性的特征数值。模糊数学研究那些没有清晰界限的特殊事物，而灰色系统理论则认为不确定量是灰数，用灰色数学来处理不确定量，同样能使不确定量予以量化。
（2）充分利用已知信息寻求系统的运动规律。研究灰色系统的关键是如何使灰色系统白化、模型化、优化。灰色系统视不确定量为灰色量。提出了灰色系统建模的具体数学方法，它能利用时间序列来确定微分方程的参数。
（3）灰色系统理论能处理贫信息系统。灰色预测模型只要求较短的观测资料即可，这和时间序列分析、多元分析等概率统计模型要求较多资料很不一样。因此，对于某些只有少量观测数据的项目来说，灰色预测是一种有用的工具。
综上所述，利用灰色动态模型研究会计管理等问题，能使会计中许多抽象的问题实体化、数量化；将变化规律不明显的情况，找出规律，分析其变化。通过分析揭示系统发展的优势、劣势、潜力、危机，以作出正确决策。但是这种方法要求使用人员具有较好的数学基础，并具有较强的计算机数据处理能力。
【参考文献】
[1] 邓聚龙.灰色系统基本方法[M].武汉：华中理工大学出版社，1987.
[2] 刘思峰，党耀国，方志耕，等.灰色系统理论及其应用[M].北京：科学出版社，2004.
[3] 张鸣，张艳.企业财务预警前沿[M].北京：中国财政经济出版社，2004.
[4] 翟立林，周士高.管理决策理论与方法[M].北京：中国建筑工业出版社，1987.
[5] 宋绍礼，齐鸿智.定量决策方法及其应用[M].北京：北京经济学院出版社，1991.
[6] 倪少凯，陈卫红.用Matlab实现灰色数列模型GM（1，1）的预测[J].数理医药学杂志，2002（4）.
