基于機器學習的國有資產(chǎn)監(jiān)管系統(tǒng)風險預警模型的研究.pdf

1、國有企業(yè)是我國國民經(jīng)濟的支柱產(chǎn)業(yè)，國有資產(chǎn)的監(jiān)管也是國家政府部門關心的問題。尤其在國有資產(chǎn)風險預警的及時性和準確性方面，是國有企業(yè)資產(chǎn)保值增值和防止國有經(jīng)濟流失的重中之重。導致國有企業(yè)經(jīng)濟信息滯后的問題根源在于風險預警的及時性。國資委綜合績效評價管理辦法中國有企業(yè)經(jīng)營績效風險預警方案人為控制因素太多，有待改善。隨著信息技術應用領域的不斷擴展，應用現(xiàn)代智能信息技術構建國有資產(chǎn)實時監(jiān)管系統(tǒng)是必然趨勢，是國有企業(yè)監(jiān)管的未來發(fā)展方向。國有資產(chǎn)實

2、時監(jiān)管系統(tǒng)中的風險預警模型要求從靜態(tài)分析向動態(tài)分析轉變，從單一變量判定模型向多變量判定模型轉變，使國有資產(chǎn)風險預警具有前瞻性和可靠性。
　　論文主要是針對國有資產(chǎn)績效風險預警的研究，其主要內(nèi)容結構如下：
　　首先概述國內(nèi)外學者對企業(yè)資產(chǎn)風險預警的研究，介紹國內(nèi)外研究企業(yè)資產(chǎn)風險的主要方法及其預警的優(yōu)缺點，設計了論文結構。其次論述機器學習的方法；主要講述粗糙集屬性約簡的理論方法，時間序列分析的理論模型，神經(jīng)網(wǎng)絡的理論算法和小波

3、理論基礎定義。
　　然后主要介紹基于粗糙集的神經(jīng)網(wǎng)絡模型，針對國有企業(yè)目前的經(jīng)營績效進行分類。采用國泰安數(shù)據(jù)庫中的國有資產(chǎn)績效指標數(shù)據(jù)作為試驗樣本，對輸入樣本預處理，再利用粗糙集的條件信息熵屬性約簡方法進行指標約簡。BP算法極易陷入局部最小點的缺點，而小波理論改進的BP算法對樣本數(shù)據(jù)進行仿真實驗，能夠有更好的收斂性和準確率。對指標約簡后的樣本數(shù)據(jù)集和原數(shù)據(jù)集進行小波BP網(wǎng)絡訓練，得到網(wǎng)絡學習結果并進行比較，得到最佳的模型參數(shù)。實驗

4、結果顯示約簡后的國有資產(chǎn)指標集可以很好地反映國有企業(yè)的財務風險情況。根據(jù)指標的約簡結果，對國有企業(yè)未來的績效風險進行預測建模，主要采用時間序列分析的方法。從數(shù)據(jù)庫中提取屬性約簡后的樣本指標序列，再運用時間序列分析模型，預測國有資產(chǎn)績效指標的未來走勢；預測值經(jīng)過小波神經(jīng)網(wǎng)絡(WNN)進行訓練分析，得到風險預警值。對原樣本序列進行網(wǎng)絡訓練，對實驗仿真結果進行對比。實驗結果表明，約簡后的國有資產(chǎn)績效指標數(shù)據(jù)經(jīng)過時間序列分析預測，能夠較準確地進