近來,隨著中美貿(mào)易磋商的激烈化,市場(chǎng)環(huán)境的不斷波動(dòng),企業(yè)在實(shí)際經(jīng)營管理中常常會(huì)遇到各種問題如財(cái)務(wù)惡化等。而出現(xiàn)財(cái)務(wù)方面的問題,對(duì)于整個(gè)公司的發(fā)展而言往往是致命的,這使得財(cái)務(wù)危機(jī)問題逐漸發(fā)展成為和企業(yè)發(fā)展密切相關(guān)的經(jīng)濟(jì)體關(guān)注的焦點(diǎn)。因此,建立有效科學(xué)的財(cái)務(wù)預(yù)警模型,是企業(yè)運(yùn)營管理過程中的風(fēng)險(xiǎn)管理一個(gè)具有研究意義的方向。然而,受限于數(shù)據(jù)分析處理技術(shù),傳統(tǒng)財(cái)務(wù)預(yù)警多基于簡(jiǎn)單的統(tǒng)計(jì)類Z分?jǐn)?shù)模型、支持向量機(jī)和BP神經(jīng)網(wǎng)絡(luò)模型,模型構(gòu)建使用過程中會(huì)存在樣本數(shù)據(jù)選取不全、指標(biāo)變量選擇科學(xué)性、建模過程“統(tǒng)一”性等問題。隨著大數(shù)據(jù)時(shí)代的到來,可以利用深度學(xué)習(xí)相關(guān)技術(shù)實(shí)現(xiàn)財(cái)務(wù)預(yù)警建模的“統(tǒng)一”,減少人為因素的干預(yù),建立更加科學(xué)的財(cái)務(wù)預(yù)警模型,具有重要的研究意義。本文在對(duì)國內(nèi)外學(xué)者關(guān)于財(cái)務(wù)預(yù)警研究成果回顧的基礎(chǔ)上,按照反映上市公司的償債能力、營運(yùn)能力、盈利能力、企業(yè)成長(zhǎng)能力和現(xiàn)金流動(dòng)能力等五個(gè)方面選取來自萬德數(shù)據(jù)庫中年報(bào)的財(cái)務(wù)指標(biāo)特征,同時(shí)選取數(shù)據(jù)庫中其它能夠體現(xiàn)財(cái)務(wù)狀況異動(dòng)的有實(shí)際財(cái)務(wù)意義的財(cái)務(wù)分析數(shù)據(jù)如總資產(chǎn)周轉(zhuǎn)率、權(quán)益乘數(shù)等,構(gòu)建了包括194個(gè)指標(biāo)的原始指標(biāo)體系。然后選取4210家上市公司的T-2和T... 

【文章來源】：吉林大學(xué)吉林省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：67 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

論文框架

第2章企業(yè)財(cái)務(wù)預(yù)警理論基礎(chǔ)19會(huì)隨著隱含層的增加而增加，然后在提高擬合優(yōu)度時(shí)過度增加隱含層的數(shù)量在一定程度上會(huì)延長(zhǎng)模型的訓(xùn)練時(shí)間�；诖耍瑢W(xué)者在利用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行研究時(shí)，通常是需要平衡模型評(píng)估性能以及模型訓(xùn)練時(shí)間來設(shè)計(jì)和優(yōu)化網(wǎng)絡(luò)結(jié)構(gòu)。因此，在相關(guān)研究中，學(xué)者通常先考慮對(duì)隱含層進(jìn)行確定優(yōu)化，當(dāng)隱含層中的隱神經(jīng)元數(shù)目達(dá)到一定數(shù)量時(shí)，仍不能提高網(wǎng)絡(luò)的性能，才會(huì)進(jìn)一步的通過改變隱含層的層數(shù)來提升模型評(píng)估性能。隱含層的設(shè)計(jì)中一個(gè)重要的參數(shù)便是節(jié)點(diǎn)數(shù)量的確定，過少則不能實(shí)現(xiàn)想要的數(shù)據(jù)擬合度還有可能出現(xiàn)欠擬合的情況，而設(shè)計(jì)過多會(huì)使學(xué)習(xí)時(shí)間過長(zhǎng)造成泛化能力下降，一般隱含層節(jié)點(diǎn)的設(shè)置參考以下公式確定：nml.................................................(2.5)式中，m為輸入層節(jié)點(diǎn)數(shù)，n為輸出層節(jié)點(diǎn)數(shù)，為1～10之間的常數(shù)。對(duì)于本文所構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)采用三層前向網(wǎng)絡(luò)，其隱含層神經(jīng)元數(shù)目基于式2.5通過試錯(cuò)法確定，部分主要訓(xùn)練參數(shù)參考相關(guān)研究文獻(xiàn)的設(shè)定如下表2.1所示，其它參數(shù)則采用默認(rèn)參數(shù)設(shè)置。表2.1BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練參數(shù)最大訓(xùn)練次數(shù)Epoches800目標(biāo)誤差0.001學(xué)習(xí)率0.012.3.3基于卷積神經(jīng)網(wǎng)絡(luò)財(cái)務(wù)預(yù)警模型如圖2.1所示，卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)主要是由卷積層、池化層和全連接層三個(gè)核心部件組合而成。從圖中可以看出，網(wǎng)絡(luò)結(jié)構(gòu)包含多個(gè)卷積層和池化層，通過這兩種結(jié)構(gòu)層在網(wǎng)絡(luò)結(jié)構(gòu)中的交替設(shè)置來實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)對(duì)輸入數(shù)據(jù)的特征深度提取和優(yōu)化，然后鏈接到全連接層輸出最終結(jié)果。圖2.1卷積神經(jīng)網(wǎng)絡(luò)基本結(jié)構(gòu)

第2章企業(yè)財(cái)務(wù)預(yù)警理論基礎(chǔ)21圖2.2文中構(gòu)建優(yōu)化后的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)對(duì)于文中所構(gòu)建的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，對(duì)經(jīng)典網(wǎng)絡(luò)結(jié)構(gòu)做出具體改進(jìn)部分如下：（1）由于文中將數(shù)據(jù)轉(zhuǎn)化形成灰度圖的尺寸為1414，因此在進(jìn)行網(wǎng)絡(luò)結(jié)構(gòu)的設(shè)計(jì)的時(shí)候?qū)⑤斎雽拥拇笮∫沧隽诉m應(yīng)性的調(diào)整。（2）上市公司財(cái)務(wù)預(yù)警是通過模型分類識(shí)別出正常經(jīng)營的公司和經(jīng)營異常（本文以是否被ST來確定）的公司，因此原問題也可以簡(jiǎn)化為二分類問題，故而需要將經(jīng)典包含十個(gè)輸出神經(jīng)元的LeNet-5網(wǎng)絡(luò)改為只包含兩個(gè)神經(jīng)元的網(wǎng)絡(luò)。

【參考文獻(xiàn)】：
期刊論文
[1]基于PSO-BP神經(jīng)網(wǎng)絡(luò)的上市公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測(cè)研究[J]. 鄭建國,馮珍慧.  信息技術(shù)與信息化. 2016(08)
[2]基于隨機(jī)效應(yīng)logistic模型的中小企業(yè)財(cái)務(wù)失敗預(yù)警研究[J]. 梁琪,過新偉,石寧.  管理工程學(xué)報(bào). 2014(03)
[3]基于不同指標(biāo)類型的公司財(cái)務(wù)危機(jī)征兆和預(yù)測(cè)比較研究[J]. 呂峻.  山西財(cái)經(jīng)大學(xué)學(xué)報(bào). 2014(01)
[4]基于聚類-粗糙集-神經(jīng)網(wǎng)絡(luò)的企業(yè)財(cái)務(wù)危機(jī)預(yù)警[J]. 鮑新中,楊宜.  系統(tǒng)管理學(xué)報(bào). 2013(03)
[5]企業(yè)財(cái)務(wù)危機(jī)的理論界定[J]. 耿振,蔚垚輝.  中國城市經(jīng)濟(jì). 2011(05)
[6]財(cái)務(wù)危機(jī)預(yù)警研究:存在問題與框架重構(gòu)[J]. 吳星澤.  會(huì)計(jì)研究. 2011(02)
[7]基于遞階遺傳算法和BP網(wǎng)絡(luò)的財(cái)務(wù)預(yù)警[J]. 周輝仁,唐萬生,任仙玲.  系統(tǒng)管理學(xué)報(bào). 2010(01)
[8]基于BP神經(jīng)網(wǎng)絡(luò)的上市公司財(cái)務(wù)預(yù)警模型[J]. 楊淑娥,黃禮.  系統(tǒng)工程理論與實(shí)踐. 2005(01)
[9]我國上市公司財(cái)務(wù)困境的預(yù)測(cè)模型研究[J]. 吳世農(nóng),盧賢義.  經(jīng)濟(jì)研究. 2001(06)
[10]財(cái)務(wù)危機(jī)預(yù)警分析判別模型[J]. 張玲.  數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究. 2000(03)

碩士論文
[1]基于支持向量機(jī)的我國生物醫(yī)藥上市公司財(cái)務(wù)危機(jī)預(yù)警研究[D]. 柳燦星.江西財(cái)經(jīng)大學(xué) 2016
[2]基于粗糙集—支持向量機(jī)的上市公司財(cái)務(wù)預(yù)警模型研究[D]. 李威.西南財(cái)經(jīng)大學(xué) 2013



本文編號(hào)：3355525