上市公司投资价值灰色―遗传BP网络模型算法.docVIP

上市公司投资价值的灰色―遗传BP网络模型算法 　　摘 要：提出将灰色数学、遗传算法与BP网络模型结合起来，构建一个灰色-遗传BP网络综合评价模型，并将其应用于上市公司投资价值的综合评价，取得了较好的效果。 　　关键词：灰色数学；遗传算法；BP网络；上市公司 　　 　　1 上市公司投资价值评价指标体系的构建 　　 　　上市公司的经营活动表现为运用一定的资金以取得盈利，因此对上市公司的投资价值的综合评价就包括经营成果的评价和实现这一成果的资产运用状况的评价.这两个方面相互联系，但并不一定表现出变动的一致性.因此，在基础财务指标体系中，主要应包括三类财务指标，一是反映企业资金运用状况的，二是反映企业盈利能力的，三是反映这二者的联接关系的。对上市公司通常使用的考核指标，它包括现期财务指标和增长率指标。 　　（1)股东权益比率。该指标为股东投入资金(净资产)占全部资产的比重，反映企业营运资金的来源结构，也反映企业的长期偿债能力。 　　（2)流动比率.该指标为流动资产与流动负债的比率，反映企业的短期偿债能力. 　　（3)速动比率.亦称酸性测试比率.该指标为速动资产与流动负债的比率，反映企业流动资产中可以立即用于偿付流动负债的能力，用来测定资金流动性的大小. 　　（4)资产利润率.该指标为营业利润总额与资产总额的比率，反映企业总资产的盈利水平. 　　（5)净资产收益率.亦称净值报酬率.该指标为净收益与股东权益的比率，反映股东权益的收益水平. 　　（6)资产应收帐款率.该指标为应收帐款净额与资产总额的比率，反映应收帐款占总资产的比重. 　　以上为现期财务指标.投资者不仅关心企业目前的生产经营实绩，还应考虑企业的发展趋势.因此，有必要构建以下趋势财务指标: 　　（7)资产利润率增长率X7. 　　（8)净资产收益率增长率X8. 　　（9)净资产增长率X9. 　　（10)资产增长率X??10??. 　　这些增长率指标，均为原指标的当期值与对比期值的差与对比期值的比值. 　　 　　2 灰色―遗传BP网络评价模型 　　 　　2.1 灰色―遗传BP网络评价模型的基本结构 　　灰色―遗传BP网络评价模型结构由灰色数据处理器和基于遗传算法的BP网络组成。灰色数据处理器的功能是将各个指标特征值化成无量纲的能被BP网络接受的数据向量。 　　在本文中采用具有单隐含层的BP网络，即由输入层、隐含层和输出层组成。输入层神经元的个数由训练的评价体系指标向量的维数决定，输出层神经元的个数为1，隐含层神经元的个数利用实验凑试法确定。 　　2.2 灰色―遗传BP网络评价模型的算法 　　本模型首先采用灰色数据处理器对被评对象的各指标的特征值进行量化处理；在此基础上，随机产生M组不同的权值初始值，采用实数编码方案对该组中的每个权值（或域值）进行编码，该码链（染色体）就是对应一个权值和域值取特定值的一个神经网络；将染色体表示的各权值分配到给定的网络结构中，网络以训练集样本作为输出输入，运行后返回误差平方和倒数作为染色体的适应度函数，从而确定染色体的适应度函数值；对染色体组进行遗传操作，即利用遗传算法反复优化神经网络的权值，使初始确定的一组权值分布得到不断得进化，直至群体适应度趋于稳定或误差e小于某一给定值或达到已预定的进化代数为止。此时解码得到的权值组合已经充分接近最佳权值组合；然后利用BP神经网络方法对网络的权值和阈值进行微调，使网络的输出尽可能达到教师值。最后用训练好的网络对待评价的体系进行评价。其具体步骤如下： 　　（1）确定遗传算法及BP神经网络有关参数。设定遗传算法的群体容量为M，交叉率、变异率采用自适应交叉率和变异率，BP神经网络的输入层神经元素由被评对象的指标向量决定，输出层神经元数为1，隐含层神经元数采用实验凑试法确定。 　　（2）初始化群体。随机产生一组权值分布，采用实数编码方案对该组中的每个权值（或域值）进行编码，进而构造出一个个码链（每个码链代表网络的一种权值分布），在网络结构和学习规则已定的条件下，该码链就是对应一个权值和域值取特定值的一个神经网络。 　　（3）指标向量采用灰色数据处理方法进行无量纲处理。 　　设有n个单元(x1,x2,x3 ,…,xn)，m个指标（y1,y2,y3,…,ym），第i个单元第 j个指标的值为aij，每个单元的各个指标之间没有统一的度量标准，每个单元之间无法作统一的比较，无法满足神经网络对样本输入值的要求。因此为了构造网络的输入样本值，必须对数据进行初始化。 　　（4）染色体适应度函数 的确定。 　　f（x）=1/e 其中e=∑m ∑k(y??mk??-??mk??) 　　y??mk??及??mk??分别为第m个训练样本的第k个输出节点的实际输出与期望输出（教师