基于BP神经网络投资策略问题预测.pdfVIP

基于BP 神经网络的投资策略问题预测 张谢谊，白宁 辽宁工程技术大学理学院，辽宁阜新 (123000) E-mail ：zhangxieyi97@163.com 摘 要：本文主要通过对影响企业效益的相关因素来分析建立BP 神经网络模型对企业的投 资进行预测，用以解决投资者在对企业进行投资前所进行的对拟投资企业经济效益的评价问 题。 关键词：BP 神经网络，投资，经济效益 1．引言 在现实企业管理生活中，企业除了将资金用于自身正常的生产经营活动之外，还可以将 一部分资金用于对外投资。当然，对外投资是建立在企业资金满足正常的生产经营活动需要 还有暂时闲置的前提下，为了发掘这部分闲置资金的潜力，企业有必要将这部分资金对外投 资，以便为企业带来更大的经济效益。所以在对企业进行投资前,投资者要先对拟投资企业 的经济效益进行评价，以确保能给自己带来效益。 1985 年F.Rosenblatt 提出了著名的视知觉的脑模型——感知机，它是脑模型研究的又一 个里程碑。感知机是一种层状结构的神经元网络，各层内部神经元间没有信息流动，层间神 经元的联接权重W 可随着对网络进行训练而改变，即通过学习算法进行学习，从而实现网 络良好的模式辨识功能。BP 学习算法是一种多层前馈网络使用的的监控式学习算法，相应 的神经网络也称BP 网络。本文利用BP 网络的算法来解决投资问题，建立更好的模型。 2 ．涉及知识 2.1 BP 神经网络介绍 通常所说的BP 模型即误差反向传播神经网络是神经网络模型中使用最广泛的一类。从 结构上讲，BP 网络是典型的多层网络，分为输入层、隐层和输出层，层与层之间多采用全 【】 连接方式。同一层单元之间不存在相互连接。图1 给出三层BP 网络结构 2 。 BP 模型实现了多层网络学习的设想。当给定网络的一个输入模式时，它由输入层传到 隐层单元，经过隐层单元逐个处理后传送到输出单元，由输出层单元处理产生一个输出模式。 如果输出响应与期望输出模式有误差，不满足要求，那么就转入误差反向传播，将误差值沿 着连接通路逐层传送并修正各层连接权值。对于给定的一组训练模式，不断用一个个训练模 式训练网络，重复前向传播和误差反向传播过程，使误差趋于减小。当各个训练模式都满足 要求时，我们说BP 网络已学习好了。 - 1 - y1 y2 yn … … 输出层 … … 隐层 输入层 … … x1 x2 xm 图1 一个三层BP 网络结构 2.2 BP 神经网络确定的一些重要准则 （1）对于一个一般的模式识别问题，三层网络（输入层、隐层和输出层）可以很好的 解决； （2 ）三层网络中隐层神经元个数m 和输入层神经元个数n 有这样一个近似关系， 【】 m = 2n +1 3 2.3 BP 学习算法的步骤 （1）初始化