基于徑向基函數(shù)神經(jīng)網(wǎng)絡的企業(yè)財務預警研究.pdf

1、近年來,隨著人工智能理論和數(shù)據(jù)挖掘技術(shù)的發(fā)展成熟,其在信號處理、模式識別和金融時間序列預測分析等方面都取得了巨大的成功,有逐漸取代傳統(tǒng)的基于統(tǒng)計分析的方法和BP神經(jīng)網(wǎng)絡的發(fā)展趨勢。徑向基函數(shù)神經(jīng)網(wǎng)絡是一種基于正則化理論的三層前向傳播的神經(jīng)網(wǎng)絡,具有良好的泛化能力、較快的收斂速度、避免陷入局部極小等優(yōu)點,在近幾年來其研究和應用得到了迅速的發(fā)展。
　　 相比于傳統(tǒng)的神經(jīng)網(wǎng)絡模型,徑向基函數(shù)神經(jīng)網(wǎng)絡采用了對參數(shù)的分階段訓練的方法,避免

2、了像BP網(wǎng)絡那樣冗長和繁瑣的計算過程,從而提高了網(wǎng)絡訓練的效率,但是當輸入節(jié)點的數(shù)目過多的時候,徑向基函數(shù)神經(jīng)網(wǎng)絡的中心節(jié)點和線性參數(shù)的訓練過程將會變長,從而降低網(wǎng)絡訓練的效率。本研究提出了基于主成分分析的徑向基函數(shù)神經(jīng)網(wǎng)絡的優(yōu)化,使用主成分分析方法首先對于訓練樣本集進行初步的特征選擇,從而減少了徑向基函數(shù)神經(jīng)網(wǎng)絡的輸入節(jié)點的數(shù)目,通過此方法來提高網(wǎng)絡訓練和預測的效率。
　　 本文將把經(jīng)過出成分分析方法優(yōu)化的徑向基函數(shù)神經(jīng)網(wǎng)絡應

3、用于財務預警領(lǐng)域,使用反映陜西省及周邊省市上市公司財務指標的真實數(shù)據(jù),通過在MATLAB仿真軟件上進行的實驗來驗證本研究所提出的優(yōu)化方法的有效性。通過實驗證實了經(jīng)過主成分分析方法優(yōu)化的徑向基函數(shù)神經(jīng)網(wǎng)絡對于時間序列分類預測準確率的提高和改善具有良好的效果。此外,本文還分析了企業(yè)財務預警系統(tǒng)的功能及要求,財務預警系統(tǒng)的總體框架,詳細介紹了各個子系統(tǒng)的設計,構(gòu)建了包括模型預警及關(guān)鍵變量分析的財務預警原型系統(tǒng),同時將平衡計分卡、BP企業(yè)績效評