針對(duì)上市公司的信用風(fēng)險(xiǎn)評(píng)估問題進(jìn)行研究,以100家上市公司的信用風(fēng)險(xiǎn)情況作為研究對(duì)象。首先運(yùn)用因子分析方法篩選評(píng)價(jià)指標(biāo),隨后基于優(yōu)化后的指標(biāo)體系構(gòu)建基于L-M算法的三層BP神經(jīng)網(wǎng)絡(luò)模型,最后隨機(jī)選取75家公司作為訓(xùn)練樣本,25家公司作為測(cè)試樣本,利用上述樣本數(shù)據(jù)分別對(duì)模型進(jìn)行訓(xùn)練和測(cè)試,實(shí)驗(yàn)結(jié)果表明基于L-M算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)模型對(duì)訓(xùn)練樣本的評(píng)估準(zhǔn)確率高達(dá)100%,對(duì)測(cè)試樣本的評(píng)估準(zhǔn)確率為84%。 

【文章來源】：市場(chǎng)周刊. 2020,33(09)

【文章頁數(shù)】：5 頁

【部分圖文】：

traingda函數(shù)訓(xùn)練過程

trainrp函數(shù)訓(xùn)練過程

BP神經(jīng)網(wǎng)絡(luò)是1986年由Rumelhart和McClelland為首的科學(xué)家提出的概念,它是一種多層前饋神經(jīng)網(wǎng)絡(luò),主要特點(diǎn)為信息前向傳遞,誤差反向傳播,是目前應(yīng)用較為廣泛的神經(jīng)網(wǎng)絡(luò)之一。由于BP神經(jīng)網(wǎng)絡(luò)連接權(quán)值的調(diào)整是利用實(shí)際輸出與期望輸出的誤差,對(duì)網(wǎng)絡(luò)的各層連接權(quán)值由后向前逐層進(jìn)行校正的計(jì)算方法,故將它稱為反向傳播學(xué)習(xí)算法,也簡(jiǎn)稱BP算法。BP神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)如圖1所示。由于目前并沒有確切的文獻(xiàn)研究說明BP神經(jīng)網(wǎng)絡(luò)的層數(shù)越多擬合效果越好,故優(yōu)先考慮三層網(wǎng)絡(luò),即含有一個(gè)輸入層、一個(gè)隱含層、一個(gè)輸出層。對(duì)于簡(jiǎn)單的三層BP神經(jīng)網(wǎng)絡(luò)模型,設(shè)網(wǎng)絡(luò)的輸入為 X=( x 1 ,x 2 ,?,x n ) 和期望輸出為 D=( d 1 ,d 2 ,?,d l ) ,初始化各層神經(jīng)元之間的連接權(quán)值為vij、wjk,初始化隱含層閾值為a,輸出層閾值為b。具體的學(xué)習(xí)算法及公式如下:

【參考文獻(xiàn)】：
期刊論文
[1]中小上市公司信用風(fēng)險(xiǎn)評(píng)估比較研究——基于徑向基神經(jīng)網(wǎng)絡(luò)和BP神經(jīng)網(wǎng)絡(luò)模型[J]. 何欣,張紅梅.  科技創(chuàng)業(yè)月刊. 2018(05)
[2]基于PCA-BP神經(jīng)網(wǎng)絡(luò)的上市公司財(cái)務(wù)預(yù)警策略[J]. 尤璞,武戈.  統(tǒng)計(jì)與決策. 2012(22)
[3]基于因子分析的目標(biāo)極性模型研究——針對(duì)上市電子企業(yè)的實(shí)證分析[J]. 范坤,馮長(zhǎng)煥.  井岡山大學(xué)學(xué)報(bào)(自然科學(xué)版). 2012(06)
[4]不同模型在財(cái)務(wù)預(yù)警實(shí)證中的比較研究[J]. 吳德勝,梁樑,殷尹.  管理工程學(xué)報(bào). 2004(02)
[5]BP神經(jīng)網(wǎng)絡(luò)在企業(yè)財(cái)務(wù)危機(jī)預(yù)警之應(yīng)用[J]. 楊保安,季海,徐晶,溫金祥.  預(yù)測(cè). 2001(02)

碩士論文
[1]基于BP神經(jīng)網(wǎng)絡(luò)的小額信貸信用風(fēng)險(xiǎn)評(píng)估研究[D]. 董文奎.云南財(cái)經(jīng)大學(xué) 2017
[2]基于Fisher判別分析及BP神經(jīng)網(wǎng)絡(luò)下信用風(fēng)險(xiǎn)度量應(yīng)用研究[D]. 雷晨念.湖南大學(xué) 2016



本文編號(hào)：3544191