基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的企業(yè)財務(wù)預(yù)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(yù)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(luò)的發(fā)展趨勢。徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)是一種基于正則化理論的三層前向傳播的神經(jīng)網(wǎng)絡(luò),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(yīng)用得到了迅速的發(fā)展。
　　 相比于傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)模型,徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)采用了對參數(shù)的分階段訓(xùn)練的方法,避免

2、了像BP網(wǎng)絡(luò)那樣冗長和繁瑣的計算過程,從而提高了網(wǎng)絡(luò)訓(xùn)練的效率,但是當(dāng)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(luò)的中心節(jié)點和線性參數(shù)的訓(xùn)練過程將會變長,從而降低網(wǎng)絡(luò)訓(xùn)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(luò)的優(yōu)化,使用主成分分析方法首先對于訓(xùn)練樣本集進(jìn)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(luò)的輸入節(jié)點的數(shù)目,通過此方法來提高網(wǎng)絡(luò)訓(xùn)練和預(yù)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(luò)應(yīng)

3、用于財務(wù)預(yù)警領(lǐng)域,使用反映陜西省及周邊省市上市公司財務(wù)指標(biāo)的真實數(shù)據(jù),通過在MATLAB仿真軟件上進(jìn)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(luò)對于時間序列分類預(yù)測準(zhǔn)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(wù)預(yù)警系統(tǒng)的功能及要求,財務(wù)預(yù)警系統(tǒng)的總體框架,詳細(xì)介紹了各個子系統(tǒng)的設(shè)計,構(gòu)建了包括模型預(yù)警及關(guān)鍵變量分析的財務(wù)預(yù)警原型系統(tǒng),同時將平衡計分卡、BP企業(yè)績效評