基于Matlab 的零售企业财务报表分析.pdfVIP

中国科技论文在线 基于Matlab 的零售企业财务报表分析 徐晶晶 辽宁工程技术大学研究生院工商09 ，辽宁葫芦岛（125105 ） E-mail: xkdhld@163.com 摘 要：本文在对财务报表指标传统分析方法的基础上，选取部分零售业的财务数据，运用 Matlab 方法对这些财务指标进行分析，建立了智能化的方法，并且进行了训练。通过这些 财务数据的研究，建立了简单的财务指标分析的神经网络模型。为财务报表使用者提供了一 个系统化方法。 关键词：BP 神经网络；财务指标;实证研究 中图分类号:F275 1 引言 1987 年，Lapedes 和 Fayber 首次应用人工神经网络分析模型进行预测，开创了人工神 经网络预测的先河。而前向三层 BP 神经网络是人工神经网络中被认为最适用于模拟输入、 输出的近似关系的一种方法，它的算法最成熟，应用也最广泛。它通常由输入层、输出层和 隐含层组成，其信息处理分为前向传播和后向学习两步进行，网络的学习是一种误差从输出 层到输入层向后传播并修正数值的过程，学习的目的是使网络的实际输出逼近某个给定的期 望输出。本文正是基于此理论，通过 Matlab 方法对企业的财务指标进行分析的。 2 BP 算法的基本原理及数据选取 2.1 BP 神经网络的简介及原理 人工神经网络（Artificial Neural Network，ANN ）技术是基于神经科学研究成果发展起 来的新兴边缘科学，是以工程技术手段模拟人脑神经网络的结构与功能特征的一种技术系 统。利用大量的非线性并行处理器来模拟人脑众多神经元，利用处理器间错综灵活的连接关 系来模拟人脑神经元间的突触行为。从本质上讲，人工神经网络是种大规模并行的非线性动 力学系统，在人工神经网络中，BP 算法是使用率最高的算法，也是比较成熟的算法。BP 神 经网络模型是由输入层、输出层和若干个隐含层组成的多层前馈网络模型，误差反向传播 ［ ］ （BP ）算法是训练前馈网络模型的最常用的算法。 1 在 BP 网络模型中，同层各神经元互 不连接，相邻层的神经元通过权值连接。BP 神经网络结构如图一所示，神经网络的学习算 法.有许多种,比如反向传播(BP)算法、Hopfield 算法等。其中在非线性分类中最常用的是 BP 算法。其学习的目的就是对某一特定的输入产生一个希望的输出,这就需要网络不断地调整 连接线的权值。BP 网络是一单向传播的多层前向网络，可看作是一个从输入层到输出层的 高速非线性影射。在 BP 网络结构中，输入信号从输入层结点，依次传过各隐含层结点，传 到输出层结点，每一层结点的输出只影响下一层结点的输入，每个结点都是一个神经元结构。 一般说来,BP 算法的步骤如下:(1)对全部连接线的权值进行初始化,一般设置成较小的随机数, 以保证网络饱和或反常的情况;(2)取一组训练数据输入网络,并计算出网络的输出值;(3)计算 该输出值与期望值之间的偏差,然后从输出层反向计算到第一隐含层, 向着减少该偏差的方向 调整各条线的权值;(4)对训练集中的每一组训练数据都重复步骤(2)、(3),直到整个训练的偏差 ［ ］ 达到能被接受的程度为止。 2 -1- 中国科技论文在线 图一 网络结构图 X1 X2 Y X4 输入层 中间层 （隐层） 输出层 2.2 财务指标分析的输入向量与输出向量的设计 按财务分析理论,财务分析指标体系一般包括以下 5 个指标: 获利能力、经营能力、偿债