人工神经网络在企业数据分析中的应用研究.pdfVIP

奶轧技求工业工程版2005年10月 人工神经圈络在企韭救据分析中的应用研究 人工神经网络在企业数据分析中的应用研究 刘 菲 (北京理工大学臂理与经济学院，北京100081) 摘要：本文参考我国企业经济效益评价指标体系。提出了由企业财务数据计算得到的12项经济指 标，在企业数据分析平台的基础上应用神经网络分类嚣对上市公司财务报袁计算所的指标进行分析。 并根据数据分析需要对BP算法进行改进得到了较快的收敛速度和较好的收敛性。 关键词：企业经济效益评价指标体系；企业敷嚣分析平台；BP算法 一、企业经济效益评价指标体系 企业经营状况评价对于改善内部管理和服务和对未来的发展取向提供参考依据都具有重要的现实意 义。在企业数据分析平台的基础上，以企业经济效益分析指标体系为分析对象进行企业经济效益评价。 企业经济效益分析指标是在我国财政都于1995年1月9日发布的《企业经济效益评价指标体系(试行)》 的基础上修改得到的，共分四类12项指标：第一类获利能力指标：营业收入利润率、总资产报酬率、资 本收益率、资本保值增值率；第二类偿债能力指标：资产负债率、速动比率、已获利息倍数、现金流动 负债比率；营运能力指标：应收帐款周转率、存货周转率、总资产周转率；成长指标：销售收人增长率。 以上12项指标由存储在数据仓库中的上市公司财务报表中的财务数据通过数据预处理模块计算得到，并 存入指标体系模块，利用数据分析模块对指标数据进行分析，所得模型存人业务模型库并进行编辑和发 布。用户可以通过图形交互界面对分析流程进行监控。借鉴数据挖掘应用平台思想”1根据数据分析需求 设计的北京理工大学管理信息系统实验室企业数据分析平台借鉴的功能结构如图1所示： 图1企业数据分析平台功能结构 ·109· 也掘杖亲工业工程l殴2005年loN 人工神经网络在企业散据分析中的应甩研究 由于企业受到所处经济环境中大量复杂、多变的因素影响，因此应用传统方法找到若干输入——输 出函敷关系是十分困难的；企业数据具有多源性，来自多个数据源的数据可能具有不同的统计分布。BP 算法神经甩络可以通过“训练”自组织成分布式函数或模型解决无法用数学模型描述的问题；神经网络 分布自由的特征避免了考虑各个数据源对分类的影响；同时该神经网络的连续输出特性使网络收敛速度 蘑快，网络性能更佳。可见，BP算法的神经网络能够很好地解决企业经济效益分析中存在的问题，这种 方法适用于分析指标体系数据。 二、改进的BP算法 目前．BP算法的神经网络在经挤领域数据分析中的应用已经比较广泛，如：股票预测、有价证券管 理、客户信用度分析等，并且成功案例很多。但还是存在一些阉题： (1)已学习好的网络的推广(泛化)问题，即能否逼近规律和对于大量未曾学习过的输人矢量也能 正确处理，并且网络是否具有一定的预测能力。 (2)基于BP算法的网络的误差曲面有三个特点：第一，有很多全局最小的解；第二，存在一些平 坦区，在此区内误差改变很小，这些平坦区多数发生在神经元的输出接近于。或1的情况下，对于不同 的映射。其平坦区的位置，范围各不相同，有的情况下，误差曲面会出现一些阶梯形状。第三，存在不 少局部最小点，在某些初值的条件下，算法的结果会陷入局部最小。 (3)学习算法的收敛速度太慢，即使一个比较简单的问题，也需要几百次甚至上千次的学习才能收 敛。 (4)新加进的学习样本会影响已有的学习结果，从而造成重复训练。 由于BP网络存在着这么多缺点，在实现的过程中，进行了各种试验，对传统的BP算法进行了一系 列的改进，并且取得显著的效果。 做出的主要改进是加入动态因子，并动态调整学习步长和动态因子。因为不可能知道BP算法中误差 函数的形状，它可能只有一个极小值，如图2，但也可能具有两个或两个以上的局部极小值，如图3，如 果初始连接权值使韧始误差函数值落在A点附近，那么传统的BP算法使误差所能达到的最小值就是函数 在点A所取到的局部极小值，而不可能是函数在点B所取到的全局最小值。 固2在BP算法中的一个极值 图3在BP算法中的两个以上局部极值 针对