基于SOM的汽车制造业上市公司财务绩效分析研究.pdfVIP

Forum 学术论坛 基于SOM的汽车制造业上市公司财务绩效分析 安徽农业大学经济管理学院 李雪晴 摘 要：面对急速发展的汽车行业，如何对其进行有效的财务绩效评价，已成为亟待解决的问题。很少有人会基于SOM利用 聚类分析对上市公司的财务绩效进行评价。本文首先对SOM神经网络进行了理论阐述，然后利用SOM网络对高维、复杂数 据的处理能力对数据进行处理，运用SOM神经网络的聚类功能，对我国在上海深圳上市的汽车制造业企业进行了聚类分析 和对比，直观、综合反映了各个层次的汽车制造业的财务状况。结果表明,SOM神经网络应用到汽车制造业的财务绩效评 价是可行的。 关键词：汽车制造业 财务绩效 SOM神经网络 聚类分析 中图分类号：F715.5 文献标识码：A 文章编号：1005-5800(2015)03(c)-176-03 随着我国经济的跨跃式增长，汽车制造业经历了从无到 之间以权进行全连接，输入层中的神经元一般以一维的方式 有的发展，并已在国民经济的发展中占据举足轻重的地位。 分布，而输出通常采用二维进行陈列。一个SOM神经网络接 2013年，我国汽车产销量双双突破2000万辆，全面超越美国 收外在的输入模式，将产生形式各异的反映域，而各域对于 成为全球第一大市场。但是，从汽车的研发制造水平看，我们 该输入模式都有着不一样的特征。当我们输入数据向量集合 距离国际先进水平还有很大的差距，随着人民生活水平的日 的时候，经过学习会产生以权值向量为中心的相关数据。随着 益提高，汽车已不再是高消费奢侈品，而是成为了寻常百姓的 训练学习的连接执行，相互有联系的数据自行地组织聚焦到 生活必需品，汽车的制造和销售仍然有广阔的前景，同时，对 一起形成输出层的聚类效果。SOM神经网络结构如图1所示。 汽车板块的股票投资也引起了越来越多的机构和个人关注。 使用成熟有效的方法对汽车制造业的上市公司进行财 务绩效分析，不仅可以帮助政府监督部门加强宏观调控，同 时为在证券投资市场的投资者提供一定的参考信息，以降低 收益损失的风险。迄今为止，纵观国内外关于企业财务绩效 评价的文献，大多采用层次分析法、因子分析法、熵权法，而 鲜有学者通过自组织竞争型神经网络的方法对上市公司的财 务绩效进行现状分析及趋势预测。而面向类型众多的汽车行 业，如何对其进行有效的聚类分析，已成为亟须解决的问题。 图1 SOM神经网络结构 1 SOM神经网络模型 自组织竞争型神经网络是一种无监督学习，具有自动组 SOM神经网络算法的按如下五个步骤进行： 织功能的神经网络，作为其中重要的一种，自组织特征映射 (1)将要学习的数据样本建立网络，将各神经元间相互连 (SOM)网络是一种稳健有效的方法，具有极高的学习能力，糖 接的权值初始化为一个小的权值，同时形成权重矩阵W； 度高，无监督以及优秀的聚类能力。亦称为KOHONEN 网络， (2)假设输入层的训练向量是m维的， ； 是由芬兰学者KOHONENT于1981年根据人脑的自组织特性 (3)求出输入模式向量与输出层各神经元的欧氏距离 提出的一种无监督学习的神经网络模型。SOM神经网络共有 ，并从中 两层，输入层为模拟和感知外界输入信息的视膜，输出层模 择 定 距 离 最 小 的 神 经 元 ，j 节 点 的 权 重 为 拟做出大脑皮层的反应，其聚类分析可以使得输入模式智能 ； 化聚集分类，并能形象生动地通过二维三维图像显示出聚类 ( 4 ) 确定领域函数的表 达 式并进行权值更新： 结果，为人们的分析提供有力的参考，避免了人为分析操作而