基手神经网络的财务预警系统的研究.pdfVIP

科学之友 FriendofScienceAmateurs 2o08年11月3(2)国 基手神经网络的财务预警系统的研究 李俊峰 (山西省公路局运城分局。山西 运城 O44OOO) 摘 要：文章应用神经网络理论和立体正交算法，探讨了面对复杂环境下的财务系统的 新型预警系统，该系统解决了各因素之间互不连续、因素 目标值之间的关系未知、因素和 指标间的关系是一个 “黑箱”的问题。 关键词：神经网络；立体正交；财务预警 中图分类号：F275 文献标识码：A 文章编号：100O一8136(2o08)32—0149—02 集的相应水平子集，就形成了水平表。然后 ，将水平表中每一试 1 财务预警指标的选择 验号对应的因素水平子集合安排正交表即竖表，将竖表中各列 一 般来说，在预测上市公司是否发生财务危机上，净利润， 的不同水平数字换成对应因素水平子集合的相应元素值 ，便形 总资产、投资收益占利润总额比重、应收账款周转率、营业利润 成了竖表。竖表的张数即水平表的试验号数。 增长率、净资产增长率、长期负债比总资产、净利润增长率、存货 3 确定神经网络结构 周转率等财务指标会有显著的判别作用。 对于财务危机恶化的上市公司，行业因素和规模因素并不 由于BP神经网络模型属于有教师前馈网络模型，所以建模 是影响其财务危机恶化的主要因素，而债务因素则是导致上市 时明显表现了有教师指导性和前馈性，需分以下几步来进行。BP 公司财务恶化成资不抵债情形或连续3年亏损的主要原因。对 网络结构 ，见图1。 于由首次亏损变为连续两年亏损的上市公司而言，除了财务因 素外，经营因素也是导致其财务状况恶化的重要原因。资不抵债 公司的资产风险主要集中在公司的流动资产方面，尤其是集中 在应收账款上，并且公司的资金来源中对负债的依赖性很大。因 此资产负债率和货币资金比流动负债两个反映偿债能力的指 标。在此时有着非常重要作用。 图 1 BP网络模型结构 在判断首亏公司是否继续亏损的财务危机恶化预警系统中， 3．1 确定网络模型的层数 货币资金比流动负债、净利润比总资产、主业利润占利润总额比 理论上讲3层BP网络模型可以逼近任意的的函数。 重、投资收益占利润总额比重、货币资金比总资产、主营业务收 3．2 确定神经元个数 入增长率、营业利润增长率、净利润增长率等指标有比较好的判 输人层神经元个数为输入向量的维数(R)，输出层神经元个 别作用。而在判断连续亏损两年的公司是否继续亏损的财务危 数为 目标向量的维数(s2)。隐层的神经元数通常是根据经验来选 机恶化预警系统中，可选择流动比率、净利润比总资产、主业利 择的，没有严格的理论依据。 润占利润总额比重、投资收益占利润总额比重、净利润增长率等 3．3 确定各层的传递函数 指标来判别。 BP网络的隐含层和输出层传递函数F可采用sigmoid型函 2 建立立体正交表 数。一般输入层和隐含层选用 sigmoid、logsig或tansig函数，这些