前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇簡述神經(jīng)網(wǎng)絡(luò)的基本思想范文，相信會為您的寫作帶來幫助，發(fā)現(xiàn)更多的寫作思路和靈感。

簡述神經(jīng)網(wǎng)絡(luò)的基本思想范文第1篇

[關(guān)鍵詞] 財務(wù)危機(jī) 相關(guān)分析 邏輯回歸 主成分分析 神經(jīng)網(wǎng)絡(luò)模型

在過去的幾十年里，我國的證券市場一路經(jīng)歷考驗和改革，取得了突飛猛進(jìn)的發(fā)展。迄今，滬深兩市共有近1500家上市公司。然而，由于管理和操作的原因，許多公司都遭遇了財務(wù)困境，甚至因為財務(wù)風(fēng)險而變成ST或PT公司，嚴(yán)重影響了公司的信譽(yù)和流通市值，同時也給投資者帶來巨大的恐慌和經(jīng)濟(jì)損失。因此，這就需要在公司陷入財務(wù)危機(jī)前，找到一套切實可行的預(yù)警方法，為市場主體各方敲響警鐘，以促進(jìn)上市公司及早采取應(yīng)對措施，改善公司的財務(wù)狀況。

一、財務(wù)預(yù)警系統(tǒng)的指標(biāo)體系

1.財務(wù)風(fēng)險的定義

風(fēng)險(Risk)是人們因?qū)ξ磥硇袨榈念A(yù)測及客觀條件的不確定性而可能引起的后果與預(yù)定目標(biāo)發(fā)生多種負(fù)偏離的結(jié)合。企業(yè)總是在不同的風(fēng)險環(huán)境下生存和發(fā)展的，經(jīng)營企業(yè)離不開風(fēng)險。

2.財務(wù)管理指標(biāo)簡述

現(xiàn)在財務(wù)管理理論認(rèn)為，衡量一個企業(yè)的財務(wù)狀況，取決于盈利能力、資產(chǎn)管理能力、企業(yè)償債能力和成長能力。因此，企業(yè)的財務(wù)指標(biāo)可分成以下幾類: 償債能力指標(biāo)、資產(chǎn)運(yùn)營能力指標(biāo)、收益能力指標(biāo)、成長能力指標(biāo)。在每一類指標(biāo)中包括若干個財務(wù)比率指標(biāo)，用這些指標(biāo)來反映企業(yè)的財務(wù)狀況和經(jīng)營成果。

(1)盈利能力指標(biāo)

獲得利潤是企業(yè)生產(chǎn)經(jīng)營的目的，也是企業(yè)生存發(fā)展的前提。反映企業(yè)盈利能力的主要指標(biāo)有:每股收益(EPS)(全面攤薄)；銷售凈利率；銷售毛利率；資產(chǎn)凈利率(ROA)；主營業(yè)務(wù)利潤率；凈資產(chǎn)收益率(ROE)(全面攤薄)。

(2)成長能力指標(biāo)

成長能力指標(biāo)是對企業(yè)的各項財務(wù)指標(biāo)與往年相比的縱向分析。反映企業(yè)成長能力的指標(biāo)主要有: 每股收益(EPS)同比增長率(全面攤薄)；主營業(yè)務(wù)收入同比增長率；主營業(yè)務(wù)利潤同比增長率；總資產(chǎn)同比增長率；每股凈資產(chǎn)(NAVPS)同比增長率；每股現(xiàn)金流量增長率。

(3)營運(yùn)能力指標(biāo)

企業(yè)的營運(yùn)能力即企業(yè)的資產(chǎn)運(yùn)用效率，是指企業(yè)的營業(yè)收入凈額對各項營運(yùn)資產(chǎn)的比率關(guān)系。一般而言，反映企業(yè)資產(chǎn)管理能力指標(biāo)主要有:營業(yè)周期；存貨周轉(zhuǎn)率；應(yīng)收賬款周轉(zhuǎn)率；流動資產(chǎn)周轉(zhuǎn)率；固定資產(chǎn)周轉(zhuǎn)率；凈資產(chǎn)周轉(zhuǎn)率；總資產(chǎn)周轉(zhuǎn)率。

(4)償債能力指標(biāo)

企業(yè)償債能力是指企業(yè)支付債務(wù)的能力，它表明企業(yè)對債務(wù)的承擔(dān)能力和償還債務(wù)的保障能力。企反映企業(yè)償債能力指標(biāo)主要有:流動比率；速動比率；保守速動比率；資產(chǎn)負(fù)債率；產(chǎn)權(quán)比率；有形凈值債務(wù)率；已獲利息倍數(shù)。

二、企業(yè)財務(wù)預(yù)警系統(tǒng)的構(gòu)建

在上述基礎(chǔ)指標(biāo)體系中的26個指標(biāo)，并不是所有指標(biāo)都能反映出漸入財務(wù)危機(jī)的企業(yè)與健康型企業(yè)的差異；并且，各指標(biāo)對財務(wù)危機(jī)的預(yù)示程度也各不相同。一般可使用專家選擇法定性確定對財務(wù)危機(jī)敏感的指標(biāo)，本文從實證分析出發(fā)建立數(shù)學(xué)模型，應(yīng)用定量方法對上述指標(biāo)進(jìn)行篩選、提煉并綜合考慮進(jìn)行預(yù)測。

1.數(shù)據(jù)來源

本文從滬深兩市所有上市公司中隨機(jī)選取64家公司作為樣本數(shù)據(jù)，其中有于2000年～2007年八年中被特別處理的34家ST公司作為財務(wù)困境公司的研究樣本，其選取標(biāo)準(zhǔn)為:

(1)會計年度的審計結(jié)果顯示的凈利潤為負(fù)值

(2)交易所證監(jiān)會認(rèn)定為財務(wù)狀況異常

其余30家公司為財務(wù)狀況良好的企業(yè)，作為健康型公司的研究樣本。利用WIND咨詢金融終端提取上市公司公布的相關(guān)數(shù)據(jù)，對于ST公司提取其被特別處理前一年度的數(shù)據(jù)（如＊ST濟(jì)百, 編號為600807，于2003年3月7日宣布進(jìn)行特別處理，則提取該公司2002年度的26個指標(biāo)值進(jìn)行研究）。并將健康型企業(yè)賦值為1; ST企業(yè)賦值為0。

2.指標(biāo)的篩選

正如上文所述，每個指標(biāo)對企業(yè)財務(wù)困境的敏感程度有強(qiáng)有弱。在建立企業(yè)財務(wù)預(yù)警系統(tǒng)時，我們需要將26個基礎(chǔ)指標(biāo)精簡，以那些能夠充分預(yù)警企業(yè)財務(wù)危機(jī)的指標(biāo)作為預(yù)警系統(tǒng)的主要組成成分，本文利用相關(guān)分析方法和建立Logit邏輯回歸模型，根據(jù)指標(biāo)對財務(wù)危機(jī)的敏感程度進(jìn)行篩選。

(1)相關(guān)分析方法

描述客觀事物相互間關(guān)系的密切程度并用適當(dāng)?shù)慕y(tǒng)計指標(biāo)表示出來，這個過程就是相關(guān)分析。兩個變量之間的相關(guān)程度通過相關(guān)系數(shù)R來表示。正相關(guān)時，R值在0和1之間；負(fù)相關(guān)時，R值在-1和0之間。

(2)Logit邏輯回歸模型基本思路

Logit邏輯回歸模型是一種非線性概率模型，其最大優(yōu)點是,不需要嚴(yán)格的假設(shè)條件,克服了線性方程受統(tǒng)計假設(shè)約束的局限性,且具有了較其他模型更廣泛的適用范。

(3)指標(biāo)篩選結(jié)果

利用EVIEWS軟件，對64個樣本數(shù)據(jù)進(jìn)行分析，建立各個指標(biāo)與公司財務(wù)狀況的相關(guān)關(guān)系和Logit邏輯回歸關(guān)系，通過分析結(jié)果，我們可以清晰的辨別出與陷入財務(wù)危機(jī)的企業(yè)相關(guān)性較大的指標(biāo)。①通過觀察相關(guān)系數(shù)值，大于0.5的指標(biāo)即具有中度相關(guān)性，大于0.8的指標(biāo)具有高度相關(guān)性；②通過觀察各個指標(biāo)Logit邏輯回歸模型的P值，可以判斷P值小于0.05的指標(biāo)即為回歸系數(shù)顯著不為零，進(jìn)而拒絕原假設(shè)，認(rèn)為該指標(biāo)的變動將對公司屬性（屬于健康型企業(yè)或是漸近財務(wù)危機(jī)的企業(yè)）具有不可忽略的影響。依據(jù)上述兩條判斷標(biāo)準(zhǔn)，選取以下指標(biāo)作為預(yù)警系統(tǒng)的主要組成成分：每股收益(EPS)(全面攤薄)；銷售凈利率(NP)；資產(chǎn)凈利率(ROA)；主營業(yè)務(wù)利潤率(MR)；凈資產(chǎn)收益率(ROE)(全面攤薄)；主營業(yè)務(wù)收入同比增長率(IRG)；主營業(yè)務(wù)利潤同比增長率(IRP)；總資產(chǎn)同比增長率(IRS)；每股凈資產(chǎn)(NAVPS)同比增長率(INAVPS)；流動資產(chǎn)周轉(zhuǎn)率(LT)；總資產(chǎn)周轉(zhuǎn)率(TT)；流動比率(LDBL)；保守速動比率(BSSDBL)；資產(chǎn)負(fù)債率(ZCFZL)；已獲利息倍數(shù)(YHLXBS)。

3.利用主成分分析提煉指標(biāo)

(1)主成分分析方法基本思想

主成分分析（Principal Component Analysis）是考察多個定量（數(shù)值）變量間相關(guān)性的一種多元統(tǒng)計方法。它是研究如何通過少數(shù)幾個主分量（即原是變量的線性組合）來解釋多變量的方差－協(xié)方差結(jié)構(gòu)。

(2)主成分分析結(jié)果

在SPSS軟件中，對上述15個基礎(chǔ)指標(biāo)進(jìn)行主成分分析，有以下結(jié)論:①主成分F1和F2一起解釋了總方差的51.72％（累計貢獻(xiàn)率），這說明前兩個主成分提供了原始數(shù)據(jù)相當(dāng)?shù)男畔ⅰ＂谇?個主成分特征根大于1，而其他主成分的特征值小于1，可以認(rèn)為前五個主成分能概括絕大部分信息。③第一主成分、第二主成分與原始變量關(guān)系，可用下列線性組合表示:④依照上式計算64家樣本企業(yè)的F1和F2，為方便后續(xù)計算,記為：

4.應(yīng)用神經(jīng)網(wǎng)絡(luò)算法建立綜合預(yù)警系統(tǒng)

(1)神經(jīng)網(wǎng)絡(luò)算法

人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network,簡稱ANN)是由大量神經(jīng)元互相聯(lián)接而組成的復(fù)雜網(wǎng)絡(luò)系統(tǒng),對非線性系統(tǒng)具有很強(qiáng)的模擬能力。此外,神經(jīng)網(wǎng)絡(luò)的“黑箱”特性很適合預(yù)測領(lǐng)域的應(yīng)用需要,它不需要任何經(jīng)驗公式,就能從已有數(shù)據(jù)中歸納規(guī)則,獲得這些數(shù)據(jù)的內(nèi)在規(guī)律,因此即使不清楚預(yù)測問題的內(nèi)部機(jī)理,只要有大量的輸入、輸出樣本,經(jīng)神經(jīng)網(wǎng)絡(luò)“黑箱”內(nèi)部自動調(diào)整后,便可建立良好的輸入、輸出映射模型。

(2)應(yīng)用神經(jīng)網(wǎng)絡(luò)建模

本文應(yīng)用BP神經(jīng)網(wǎng)絡(luò)方法中的一種feed-forward backprop建立模型，經(jīng)過多次試驗，有三個模型擬和程度較好(見下表)。

三個模型的擬和程度十分相近，神經(jīng)網(wǎng)絡(luò)的訓(xùn)練步數(shù)均在10步左右即可達(dá)到目標(biāo)。下圖展示了第二個模型的擬和程度和“黑箱”內(nèi)的訓(xùn)練步數(shù)。

5.模型的檢驗和評價

為了評價模型的優(yōu)劣，本文隨機(jī)選取了10個上市公司的數(shù)據(jù)，分別為：伊泰B股、魯抗醫(yī)藥、亞通股份、青島海爾、中國鋁業(yè)、大化B股、平煤天安、ST天目、*ST成商、S*ST滬科，將其相關(guān)數(shù)據(jù)帶入模型進(jìn)行檢驗。結(jié)果，除了ST天目的判斷出現(xiàn)錯誤，其他的模型擬合結(jié)果良好，應(yīng)用該模型判斷的結(jié)論十分接近于真實值。

總的來說，采用MATLAB的神經(jīng)網(wǎng)絡(luò)工具箱進(jìn)行建模，取得了非常好的擬和效果，對企業(yè)財務(wù)危機(jī)的預(yù)警精確度高，且建模操作簡便。進(jìn)一步研究上述神經(jīng)網(wǎng)絡(luò)的三個模型，正確率均為90％，其中Model2效果最好，結(jié)果簡潔清楚，可以直接用于判斷預(yù)測企業(yè)是否面臨著重大的財務(wù)危機(jī)。而對于ST天目這個樣本數(shù)據(jù)，三個模型均在此預(yù)測出錯，有可能是公司提供的數(shù)據(jù)有出入。具體原因有待進(jìn)一步分析。

三、結(jié)論

本文從四個方向26個財務(wù)指標(biāo)出發(fā)，逐步進(jìn)行指標(biāo)的篩選、提煉和綜合考慮，混合使用了相關(guān)關(guān)系分析、Logit邏輯回歸分析、主成分分析方法，以及神經(jīng)網(wǎng)絡(luò)模型，建立起上市公司發(fā)生財務(wù)危機(jī)前一年的預(yù)警系統(tǒng)，并應(yīng)用其進(jìn)行預(yù)測。模型的檢驗說明其擬和度達(dá)到90％。該系統(tǒng)為預(yù)警上市公司的財務(wù)危機(jī)提供了一個有效的方法。

參考文獻(xiàn)：

[1]衛(wèi)海英 劉 瀟:SPSS在經(jīng)濟(jì)管理中的應(yīng)用.北京:中國統(tǒng)計出版社，2003

[2]龐 皓:計量經(jīng)濟(jì)學(xué).北京:科學(xué)出版社，2006

[3]盛 驟 謝式千 潘承毅:概率論與數(shù)理統(tǒng)計.北京:高等教育出版社，2005