基于WOA-LSTM的房地产上市企业财务风险预警模型研究.pdfVIP

摘 要 在我国的经济发展历程中，房地产产业作为其支柱性产业之一，在国内的市 场对于房地产产业的刚需持续热烈的情况下，房地产行业曾一度掀起大地风潮， 持续高热的房地产经济发展下，房地产市场泡沫日益明显。国家和政府也逐渐意 识到了房地产经济高速发展背后的隐患，企业本身也应关注其自身内部的财务风 险情况，做好提前预知和识别风险的到来并及时根据实际情况做好调整投资结构 和运营模式的准备。 本文以2019 年-2012 年为研究时间，本研究选取5 家财务危机公司（即被标 记*ST 的公司）和35 家财务健康公司作为研究对象，以房地产上市公司为样本， 共获得40 个样本数据。根据房地企业经济的特性，将影响房地产企业财务状况 的指标分为财务指标及非财务指标共计23 个变量。首先由 CNN 卷积神经网络 进行模型训练，以时间序列为输入，以各项指标2020 年四个季度的预测值为输 出，考虑到数据量庞大，这里以中洲控股企业为例，得到模型拟合结果，再用测 试集对模型拟合后预测出的各项指标的值进行比较，从而得到了四个模型评价指 2 标，即MAE,MSE,RMSE 以及R ，进而基于LSTM 长短时神经网络建立模型并 与CNN 模型进行对比，由于LSTM 长短时神经网络拥众多参数，如权值，偏置， 舍弃率等，人工调参数所要耗费的人力成本和时间成本较高，且要得到最佳效果 需要尝试多次，最佳效果无法高效保证。本文运用鲸鱼优化算法（WOA ）对模 型中的参数进行自动调参，建立基于WOA-LSTM 的房地产上市企业财务预警模 型。 研究结果表明，以时间序列为输入，长短时神经网络表现出的预测精度为 86%而 WOA-LSTM 模型表现出的精确率为 98.4% ，WOA-LSTM 相较于单一 CNNLSTM 的预测精度高24.4% ，比LSTM 高12.4%。考虑到变量间的相互影响， 本文进而建立了以除营业利润率以外的指标为输入，营业利润率为输出的预测模 型，CNN 营业利润率预测模型的预测精度为84.04%，LSTM 营业利润率预测模 型表现出的预测精度为85.6%，而WOA-LSTM 模型表现出的精确率为97.7%， 优化后的LSTM 模型的预测精度相较于CNN 提高了 13.66 个百分点，相较于单 一LSTM 模型提高了 12.1 个百分点，WOA 优化算法对于建立在LSTM 模型上 的企业财务预警模型精度的提升有着重要意义。 关键词：企业内部财务危机；房地产上市公司; 因子分析; 财务预警模型; CNN; LSTM; WOA-LSTM I 目录 摘 要 I Abstract II 第1 章 绪论 1 1.1 研究背景与研究意义 1 1.1.1 研究背景 1 1.1.2 研究意义2 1.2 国内外学者研究现状4 1.2.1 对于房地产企业财务状况的研究4 1.2.2 企业财务风险预警模型建立方法的研究5 1.2.3 CNN 卷积神经网络的研究7 1.2.4 LSTM 长短时神经网络的研究7 1.2.5 智能群优化算法的研究8 1.2.6 鲸鱼优化算法（WOA）进行参数优化的研究 10 1.3 研究目标与创新点 11 1.3.1 研究目标 11 1.3.2 创新点 12 1.4 主要内容及文章框架 12 第2 章 理论基础 14 2.1 卷积神经网络（CNN）模型原理 14 2.2 长短时神经网络（LSTM）模型原理 15 2.3 鲸鱼优化算法（WOA）理论基础 18 2.4 模型预测精度评价指标的选取23 2.5 模型设计24 2.5.1 样本选择24