在過去的幾十年中,人們一直在深入研究企業(yè)危機預(yù)測問題。從傳統(tǒng)的統(tǒng)計模型到智能的機器學(xué)習(xí)模型,已經(jīng)構(gòu)建各種預(yù)測模型應(yīng)用于不同數(shù)據(jù)集,尤其是人工智能技術(shù)的發(fā)展為該類問題提供了更多方法,因此本文首先以電子商務(wù)環(huán)境下的ST公司為研究樣本,構(gòu)建基于卷積神經(jīng)網(wǎng)絡(luò)的財務(wù)危機預(yù)測模型,對電子商務(wù)企業(yè)財務(wù)狀態(tài)分類進行實證研究。研究結(jié)果表明,相比于傳統(tǒng)類預(yù)測方法,基于CNN的分類模型對ST公司的預(yù)測準(zhǔn)確率明顯高于其他幾種模型,具有較好的預(yù)測性能。 

【文章來源】：電子商務(wù). 2020,(09)

【文章頁數(shù)】：2 頁

【部分圖文】：

卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

通過不斷訓(xùn)練和調(diào)整參數(shù)可知，當(dāng)epoch為100時，準(zhǔn)確率和損失值的震蕩幅度最小。由圖3觀察可知，測試樣本上的損失值普遍要比訓(xùn)練樣本中小，而準(zhǔn)確率普遍要高，其中測試準(zhǔn)確率和損失值曲線的波動度要比訓(xùn)練樣本強烈，這代表訓(xùn)練樣本的學(xué)習(xí)率和擬合度比較高。測試準(zhǔn)確率曲線中準(zhǔn)確率主要在0.7～0.9之間，其中最高值為89.31%，最小值為74.24%，平均準(zhǔn)確率大概為85%。損失值函數(shù)曲線是紅色曲線，變動范圍在0.3至0.5之間，平均值為45%。統(tǒng)計結(jié)果如表2。卷積網(wǎng)絡(luò)財務(wù)危機預(yù)測模型的實證研究統(tǒng)計結(jié)果如表4所示，在對財務(wù)指標(biāo)的研究中可知，判斷正確率達(dá)到91.67%。其中，在對檢測樣本的統(tǒng)計結(jié)果中，財務(wù)危機公司誤判成健康公司的個數(shù)為4；而將健康公司誤判成財務(wù)危機公司的個數(shù)是2。這顯示了卷積神經(jīng)網(wǎng)絡(luò)在分類預(yù)警中的優(yōu)勢，降低了將危機公司判斷成健康公司的概率。


本文編號：3443298