基于RBF网络的房地产企业经营状况评价模型.pdfVIP

第24卷第3期 纺 织 高 校 基 础 科 学 学 报 Vo1．24，No．3 2011年 9月 BASICSCIENCESJOURNALOFTEXTILEUNIVERSITIES Sept．，201l 文章编号：1006-8341(201I)0343423-05 基于 RBF网络的房地产企业经营状况评价模型 王晓东，薛 红，孙法国 (西安工程大学 理学院，陕西 西安 710048) 摘要：针对传统RBF网络选取初始凝聚点的不足，提出了一种新的选择初始凝聚点的方法．利用 我国2010年第一季度的66家上市房地产企业的财务数据，建立了基于改进RBF网络的且具有 4个财务指标的上市房地产企业经营状况的评价模型，并利用2010年第二季度的30家上市房 地产企业作为测试样本对该模型的推广能力进行 了检验．仿真结果表明，新算法比传统的RBF 算法具有更强的分类能力，基于改进 RBF神经网络的评价模型能够有效的预测上市房地产企业 的经营状况． 关键词：RBF神经网络；上市房地产企业；经营状况；评价模型 中图分类号：TP391：F224 文献标识码：A 0 引 言 上市房地产企业作为我国证券交易市场上独立的行业板块，房地产企业的经营状况是越来越多投资 者关注的问题，因此如何做好上市房地产企业的经营状况评价问题也就是房地产企业面临的一个十分重 要的问题．目前我国有关上市房地产企业经济发展的评价方面的研究还不是很成熟，明显滞后于我国证券 市场的发展．只有真正建立起适应上市房地产企业经济发展的评价模型，才能使上市房地产企业在激烈的 市场竞争中立于不败之地． 常用的评价模型很多，主要有统计方法 ¨刮和神经网络方法 等．统计方法需要描述 自变量与因变 量之间的函数关系，当情况较为复杂，用统计方法不易解决的时候，神经网络可以成功的解决这一类问题． 庞素琳、YiumingCheung和柏元淮等利用传统的RBF网络建立了信用评价模型，对测试样本分类的准确 率达到97．67％ 。。，但传统的RBF网络对于隐层径向基函数初始凝聚点的选取是在训练样本中随机选取 的，这样选取的初始凝聚点必然会影响其聚类结果，使网络性能变差．本文提出一种通过样本密度选择初 始凝聚点的方法，并将改进的径向基神经网络应用于对上市房地产企业经营状况的评价． 1 改进的径向基神经网络学习算法 设网络的输人为 =( ，：，…， )T，输入层神经元至隐含层第_『个神经元的中心矢量为 = ( ， ，…，vq) (1≤_『≤日)，隐含层第．个『神经元对应输入 的状态为 弓=(IIx-l1)=exp(一∑ )， 收稿 日期：2010—10-28 基金项目：陕西省 自然科学基金资助项 目(2010JM1010) 通讯作者：王晓东(1974-)，女，陕西省咸阳市人，西安工程大学副教授．E-mail：wangxlaodong1225@126．oDm 424 纺 织 高 校 基 础 科 学 学 报 第24卷 其中 (1≤ ≤H)为隐含层第 个神经元的控制参数．隐含层神经元至输出层第k个神经元的连接系 日 数矢量为W =(W， …，Wm) (1≤k≤P)，W为节点 的阈值．输出为 =∑W ． 』=0 1．1 初始凝聚点的选择 初始凝聚点的选择直接影响到聚类结果的好坏，初始凝聚点选择的不同，其最终分类结果也将出现不 同．传统的RBF网络模型对于隐层基函数初始凝聚点的选取是随机在训练样本中选取的，这样选取的中 心矢量会使聚类结果进入全局最优的概率较小，使网络性能变差．针对这一缺点，作如下改进： 由于比较合适的凝聚点出现在样本点较密集的地方，因而通过样本密度来寻找其初始凝聚点．设样本 集合有 c类，每一类包含2个以上的样本 ，共含有n个样本 ，：，…， }，定义样本点 的密度为