基于首末位质量因子的BP神经网络财务风险预警模型

上市公司往往存在粉饰财务数据来美化企业经营状况的动机,这会降低财务风险预警模型预测的准确性。文章利用Benford律和Myer指数两种数据质量评估方法,构建Benford和Myer质量因子,引入BP神经网络模型,构造BM-BP神经网络财务风险预警模型;并进一步利用2000—2019年中国A股上市公司数据,评价数据质量因子对财务风险预警模型预测准确性的影响,分析新模型预测准确性的稳定性。实证分析结果显示:Benford和Myer质量因子提高了BP神经网络财务风险预警模型预测的准确性;在不同质量因子的比较结果中,包含评选指标Benford和Myer质量因子的BP神经网络财务风险预警模型具有较高的预测准确率和较低的二类误判率,稳定性良好;利用决策树算法筛选指标有效提高了新模型的预测准确性。     

基于机器学习的上市公司财务预警模型的构建

文章通过运用多种机器学习方法分别建立时间跨度为5年和6年的上市公司财务风险预警模型,初始选择了29个指标,利用数据挖掘的特征选择方法,最终选取9个有代表性的指标来建立模型。实验表明,最近邻分类、多层感知机、BP神经网络及逻辑回归四类方法建立风险预警模型的性能相当,可以较好地预测上市公司财务危机。     

基于DEA和BP神经网络的三阶段物流联盟伙伴选择

文章在DEA分析和BP神经网络的基础上提出了物流联盟构建的伙伴选择流程,通过三阶段选择确定物流联盟构建所需的最佳伙伴.首先依据候选伙伴的核心能力进行第一阶段分类.第二阶段在分类的基础上从效率入手,结合DEA模型对候选企业进行初选.第三阶段通过BP神经网络模型时候选企业进行综合评价,选出所需的伙伴企业,构建物流联盟.最后,结合算例,对候选伙伴做出了较为客观地评价,验证了方法的可行性.     

BP神经网络在基本养老保险基金支付风险预警中的应用

尝试将BP神经网络引入基本养老保险基金的风险预警中,以期为其提供一种新的预警工具和方法。首先,建立了一套基本养老保险基金风险预警指标体系,构建了基于BP网络的基本养老保险基金风险预警模型;其次,采集1996年至2008年间的上海市各年度基本养老保险基金的历史数据对该模型进行了反复训练和学习,取得了误差率仅为3.86%的预测结果,说明该模型有很好的拟合度;最后,依据国际国内经验对基本养老保险基金的警情指标设置了五个警度输出区间。     

能源安全预警研究

本文突破传统的风险预警模式,运用改进的BP神经网络方法建立中国能源安全预警模型,同时对中国2010年的能源安全状态进行了尝试性预警分析,得出初步结论中国的未来能源安全形势比较严峻,必须积极应对,及早采取措施.     

基于Logistic回归和BP神经网络的财务预警模型比较

国内对Logistic回归模型和BP神经网络模型在财务预警方面已有不少实证研究,这些研究大多从预测准确度较高的角度出发,认为两个模型可以借鉴使用,但没有具体讨论模型犯第一类错误(将财务危机误判为财务正常)和第二类错误(将财务正常误判为财务危机)的概率.文章结合Logistic回归模型及BP神经网络模型的原理,选取上市公司财务数据进行实证,研究结果表明BP神经网络模型总体预测准确性较高,犯第一类错误的概率较低,对财务预警分析有一定借鉴作用;Logistic回归模型预测准确度低于BP神经网络模型,且犯第一类错误的概率远高于BP神经网络模型,因此运用该模型进行财务预警时应十分谨慎.     

基于BP神经网络和控制图的工业经济预警研究

文章基于BP神经网络和控制图,建立了工业经济预警模型.根据BP神经网络对工业生产总值增长率的预测值,可以利用控制图中的控制上下限对工业经济的运行状况进行预警分析.实证结果表明,该模型具有较好的预警效果.     

基于灰色理论和神经网络的公司财务预警模型

通过合理选取财务风险预警指标,基于函数变换的GM（1,1）模型和神经网络建立了动态财务预警模型。实证研究结果表明,该财务预警模型能够有效反映企业财务状况的发展趋势,从而为财务风险预警提供了新的研究方法。     

我国上市公司财务困境预测新探

本文采用主成分分析方法确定模型变量,建立多元判别分析(MDA)、Logistic回归和改进型BP神经网络模型进行财务困境预测。结果表明,神经网络模型的预测准确率明显优于多元判别分析和Logistic回归模型,而后两者的判别效果接近,神经网络模型更适合于财务困境预测。但三种模型的长期预警能力不够理想,提出建立以定量模型为主、定性分析为辅的上市公司财务困境预测新方法。     

基于PCA-BP神经网络的上市公司财务预警策略

文章选取80家2008年至2010年沪深两市因为财务危机而被ST的上市企业作为样本,通过分析基于神经网络预警模型的结果,提出上市公司财务风险预警策略。     

基于多级模糊综合评价法的财务风险预警模型设计

文章对公司财务风险的综合评价采用多级模糊综合评价方法,将模糊综合评价法与层次分析法相结合,能够较好地处理多因素、模糊性及主观判断等问题。对定量指标的处理则引入模糊数学的方法,从而实现定性与定量的结合。通过模型指标的计算得出其值域变化范围,判断出上市公司财务风险在某一时期所处的状态,针对不同的风险等级采取相应的管理对策,进行财务风险的预警。     

企业集团风险预警研究

本文通过对企业集团风险指标体系建立、筛选与评价方法以及对集团风险预警信号系统和集团风险预警模型建立,对集团所面临的风险进行综合测评.应用预警信号系统和模糊综合评价法对集团进行定量、定性预警.     

构建我国宏观经济预警模型的几点建议

文章通过对国外经济预警模型的比较研究,认为直接将这模型应用于我国经济预警工作,可能存在诸多不足之处,我们必须用系统化的思想建立经济预警指标体系,采用定性与定量相结合,短期与长期相结合,静态分析与动态分析相结合,统计分析与数学模型相结合的科学分析方法,将不同预警方法结合起来进行综合预警,提高预警的可靠度.     

基于博弈论组合赋权模型的跨境电商物流业务评价

全球化的推进促进了跨境电商行业的发展,对跨境电商物流业务也提出了新要求。为方便物流企业合理地选择物流方式,需要对物流业务进行科学的评价。文章结合跨境电商物流情况,分别从企业实力、服务质量、物流成本、产品属性、电商环境五个方面建立全面、合理的评价指标体系,总共涉及22项评价指标。基于层次分析法、熵权法、BP神经网络法,从主观、客观、非线性三个方面利用博弈论组合赋权模型获得更客观、更科学的权重值,发现服务时效性、顾客满意度、运输成本、存货持有成本、政策环境、平台体系是企业选择物流模式的六大重要指标。利用模糊综合评价法,将最优权重结合电商物流企业常用四种物流模式进行定量评价分析。并结合实例验证,模型验证结果与实例中电商企业物流模式的选择与数据相符,说明博弈论组合赋权模型与模糊评价方法可支持企业选择科学合理的物流方式。     

权证定价中的神经网络方法

传统的参数模型定价方法,常常存在假设条件与现实不符的问题.神经网络方法针对该问题提供了一种全新的思路.文章利用径向基神经网络和BP神经网络对权证进行定价模拟,并用定量的指标衡量模型的优劣,研究发现神经网络方法优于传统方法,并且RBF模型优于BP模型.     

企业集团风险形成机理与预警研究

文章首先对企业集团风险进行辨识,并对风险所形成的机理进行了分析。其研究思路主要从方法着手,通过对集团风险指标体系的建立、筛选与评价方法,以及对集团风险预警信号系统和集团风险预警模型的建立,对集团所面临的风险进行了综合测评。应用预警信号系统和模糊综合评价法对集团进行了定量、定性预警。     

基于回归神经网络的长期电力负荷组合预测模型研究

本文研究了用逐步回归、岭回归和偏最小二乘回归方法消除变量间的多重共线性,最后得到三个回归模型。单一预测方法的结果时好时坏,需要通过组合预测来提高预测精度。本文将神经网络技术与回归模型相结合,将预测值作为输入,实际用电量值作为输出,确定神经网络的拓扑结构,最后用训练好的BP神经网络预测江苏省全社会用电量。结果显示,组合预测的精度明显高于单个模型。     

高新技术项目投资风险的评价模型

粗糙集具有强大的数值分析能力,而BP神经网络具有准确地逼近收敛能力,所以将粗糙集和BP神经网络串行结合,建立一种基于粗糙集-BP神经网络的高新技术项目投资风险评价模型。把粗糙集作为模型的前置系统进行属性约简,消除样本冗余,减少BP神经网络输入维数和隐含层神经元权值连接的个数,从而达到提高BP神经网络训练速度、运行速度和评价精度的目的。最后,仿真研究表明运用该混合模型能取得较满意的结果。     

物流外包风险的系统动力学分析

文章通过对物流外包风险的复杂性、动态性和多重反馈性特征的分析,提出运用系统动力学方法来研究物流外包风险。在分析企业物流外包风险形成机理的基础上,建立了包括风险子系统、绩效子系统和利益子系统的物流外包风险系统动力学模型,并从系统的角度对模型的运行进行了详细的阐述,为企业物流外包风险分析提供了一种可行的方法。     

基于过程神经网络的衍生金融工具风险预警模型研究

针对衍生金融工具存在的巨大风险及其风险的复杂性与非线性,采用过程神经网络对衍生金融工具的风险建立预警模型,以实现衍生金融工具风险及时、有效预警,有助于认识和理解衍生金融工具潜在风险,作好风险防范。