我国上市公司经营失败风险的判定分析--BP神经网络模型和Fisher多类线性判定模型

为了构建上市公司经营失败风险的判定和预测模型,本文将1998一1999年我国上市公司分为三类:一是连续2年净资产收益率高于同期银行存款利率;二是连续2年净资产收益率大于零但低于同期银行存敖利率;三是连续2年净资产收益率小于零,同时收集了三类各50家,共计150家上市公司为建模样本,根据其有关财务指标数据,应用BP神经网络分析方法和Fisher线性判定分析方法分别建立我国上市公司经营失败风险的判定和预测模型,并且使用同期上述三大类290家公司的有关财务数据为检验样本对模型进行验证.研究结果表明:对于第一、三类上市公司,神经网络模型和Fisher线性判定模型均具有较高的判定准确性.但相比之下,由于BP神经网络模型是一种非线性判定模型,且在某些样本指标数据缺漏不全的情况下仍可得到满意的结果,因此具有较高预测准确性和更广泛的应用价值.     

煤层底板破坏深度灰色-神经网络预测模型的建立与应用

煤层底板破坏深度是煤矿底板突水研究中的重要参数之一,较为准确预测该参数可减少突水事故的发生。本文首先对煤层底板破坏深度的影响因素,按照关联度的大小排序进行了灰色关联定量分析,筛选出4个主控因子作为神经网络的输入元,同时应用优化BP算法,选用国内15个典型实测数据进行网络训练学习,建立灰色-神经网络预测模型,并以两淮矿区5个煤矿工作面的实例数据进行模型精准度检验,检验结果显示实测数据与预测结果有很好的一致性。最后将该模型应用袁店煤矿1011工作面,预测其煤层底板破坏深度值为14.23m。因此,该方法精度较高,适用于煤层底板破坏深度的预测。     

基于BP神经网络误差修正的ARIMA模型对河北省入境游客量的预测

分析了影响河北省入境游客量的因素,如旅游资源、区位、管理和营销能力等,在此基础上,对入境游客量的时间序列预测方法及回归分析预测方法等做了比较分析,提出运用ARIMA时间序列方法预测河北省入境游客量,并利用BP神经网络方法完成对河北省入境游客量预测数据的误差修正,得出符合河北省实际的入境游客量预测模型,预测的结果表明所得基于BP神经网络误差修正的ARIMA模型是可行的、有效的,得出的河北省实际入境游客量是比较准确的、合理的。     

基于神经网络预测的汽车制造业供应链协同管理研究

通过对我国汽车制造业供应链结构、协同管理模式、优化及供应链协同预测等方面进行研究分析,根据神经网络算法的原理,建立一个单隐层的BP人工神经网络来逼近一个函数,体现了人工神经网络模型在预测方面的优势.该方法为决策者进行预测提供了科学的手段,对判断汽车制造企业供应链协同效果的好坏提供了可靠的依据.     

运用Elman神经网络的邯郸市人才需求预测

Elman回归神经网络是一种典型的动态神经元网络,有适应时变特性的能力.考虑到人才需求的动态性、随机性和非线性特点,本文搜集邯郸市统计年鉴上的有关历史数据,运用Elman回归神经网络模型对07-09三年的人才需求数目进行了预测,其中08和09两年的人才预测数与作者运用多元回归模型预测的数据基本契合,其精确度有待验证.     

基于BP神经网络的商业银行信用风险识别实证分析

本文采用上市公司未按时偿还贷款的比率(即贷款不良率)作为衡量信用风险高低的标准,结合独立样本t检验和主成份分析法,构造基于BP神经网络技术的商业银行信用风险具有很强的识别能力,可以达到记忆能力和泛化能力兼容的最佳水平,但模型预测和推广能力还有待改善,所以在最终叛定企业信用风险时必须结合其他定量和定性分析方法.本文研究结论敢证明了单隐层模型优越,证实了双隐层无助于提高预测准确率的Lippm定理在中国的成立.     

旅游目的地突发事件对西藏入境旅游影响分析与响应机制研究

本文通过构建BP神经网络和认同度指数模型,利用西藏2005-2009年月入境旅游人次统计数据和问卷调查数据,分析了2008年拉萨“3·14”突发事件对西藏入境旅游影响.研究结果表明:突发事件对西藏入境游客人数、旅游收入都有影响,同时突发事件对政府、旅游企业、旅游行业和旅游从业者提升旅游目的地建设管理能力有一定影响,最后根据突发事件演变周期构建西藏入境旅游响应机制.     

基于神经网络的物流需求预测——以浙江省长兴县为例

为了寻找城市经济与城市物流之间的内在关系,并为城市物流规划提供必要的决策数据和依据,建立基于神经网络的“城市经济一物流需求”预测模型,对城市物流需求量进行预测。应用人工神经网络模型研究城市经济与城市物流需求之问的内在非线性映射关系,为城市物流需求预测提供了一种新的思路和方法。本文以浙江省长兴县历年经济数据作为模型的信息输入。建立起长兴县物流预测模型,并进行求解。     

基于BP神经网络的创业板上市公司IPO定价研究

在总结我国IPO定价演变过程的基础上,对创业板上市企业的IPO定价的理论基础进行了研究,明确新股上市时必须审时度势,并提出了“势”和“势价”的概念。通过分析BP神经网络的原理和算法,得出基于BP神经网络算法的创业板IPO定价方式可以有效地解决这种IPO定价需涉及的非线性、非平衡和动态的数学问题,并搭建了该算法的应用框架,确定了输入层的参数和节点数,结合具体训练细节,按照BP神经网络训练和IPO定价流程图编程运行,可以算出有效的创业板上市IPO定价。     

基于主成份分析的遗传算法优化BP网络的分类应用

根据某医院提供高维小样本的数据,先用主成分分析降维,然后用四个BP网络构成的神经网络集成对样本进行测试,将结果简单平均。对比累积贡献率和集成输出模糊处理,得到模糊判断率和方差,来选定隐层节点数,从而确定BP网络结构,并用遗传算法来调整权值,从而得到较好集成的分类结果。本文拓展性强,适用于高维样本的分类及各行各业的分类问题。     

我国中小企业财务危机预警的新视角

"ST"表征企业的盈利能力,财务危机强调企业的资信状况。基于财务危机本质特征,首次提出以财务资信评级界定危机企业。依据混沌理论分析中小企业财务危机系统的非线性开放特征,在内部因素等财务指标基础上,增加外部风险指标与表外信息指标、非财务指标,通过显著性分析与因子分析筛选初始指标,构建适用于中小企业的财务危机预警体系;基于线性与非线性预警模型的比较,对样本企业进行预测。研究表明,BP神经网络模型预测的综合准确率明显高于其他两个模型,其非线性的预测方法更适用于复杂的中小企业财务危机预警系统。     

中国工业碳排放达峰预测及控制因素研究——基于BP-LSTM神经网络模型的实证分析

文章基于2000-2020年中国工业行业相关数据,构建了平均绝对百分比误差(MAPE)为0.03％的BP神经网络预测模型,同时将工业碳排放的影响因素分为受历史惯性和市场影响较大的非控制性因素和可以通过政策引导促成的控制性因素两大类,非控制因素采用LSTM长短期记忆神经网络进行预测至2030年,控制性因素由2030年目标数值逐年逆推得出,经实证分析得到如下结论:(1)中国工业碳排放量将于2026年达到峰值,随后一段时期内保持相对高位但低幅波动状态;(2)在非控制变量中,工业增加值轻微下降,制造业人数先下降后回弹,能源消费量持续上升,发电及供热总效率明显提升;(3)在控制变量中,人口总数、城镇化率等对工业碳排放量的增加具有正向作用,但影响程度较低;人民币兑美元升值、非化石能源占比提高的条件下,工业碳排放量会降低,影响程度较前述变量更加明显.     

基于BP神经网络模型的产业集群综合绩效评价

近年,随着我国产业集群的不断发展,确立先进的管理理念已经成为其发展壮大的内在要求,而相应的综合绩效评价也必将成为对集群进行改善和调整的重要措施.然而,目前已有文献中关于产业集群绩效的研究多为定性描述,定量评价十分有限.通过将BP神经网络模型运用于产业集群发展绩效的评价,提出基于BP神经网络的产业集群综合绩效评价方法和步骤,以期对日后产业集群综合绩效方面的衡量和评价提供参考依据.     

遗传神经网络在商业银行信用风险评估中的应用

商业银行在社会经济的发展中发挥着重要作用,因此如何准确的评估其信用风险,并据此建立信用风险防范体系具有重要的理论和现实意义.本文将BP神经网络与遗传算法(GA)相结合,建立起GA-BP模型,模型利用遗传算法来修改神经网络的连接权值和阈值,构建进化型的神经网络模型.并通过实证研究表明遗传神经网络技术在识别信用风险方面有较高的正确率,应用于商业银行信用风险评估领域有良好的发展前景.     

物业税开征对地方GDP的影响研究——基于PSO-BP型的网络实验

物业税是地方政府行为,其开征势必将对地方经济产生深刻的影响.通过运用BP神经网络进行建模,确定重要参数后,运用PSO算法对BP神经网络的相关权值和阈值进行优化,建立更为精确和优异的PSO-BP神经网络模型,用于模拟上海市物业税开征,并结合Wavelet法分析物业税开征后对上海GDP的影响.结果表明,物业税的开征总体上小幅度地提高了上海市的生产总值,短期来看影响较明显,但长期来看逐渐减弱,并且在短期、中期和长期来看影响具有一定规律的波动.     

英国的FDI、贸易与企业利润

通过构建理论模型预测FDI的不同进入模式对东道国企业价格-成本盈余(Price-CostMar-gin,PCM)的影响,以及采用固定效应工具面板和经过聚类修正的有效广义矩等不同估计模型,对1991-2001年间的进口和FDI对英国制造业企业PCM竞争规制效应进行的实证研究表明:绿地FDI对利润有负向影响,而并购FDI对利润的影响为正,即绿地FDI对PCM有规制效应,并购FDI会增加PCM。本文是第一篇使用企业数据并区分FDI不同类型进行此问题研究的论文。     

神经网络分析与相关分析、回归分析的比较——基于大学毕业生的成就性水平及其影响因素的研究

为尝试将计算机神经网络分析方法应用于社会学研究,利用哈尔滨工业大学毕业生调查的数据,使用Qnet软件,对大学毕业生成就性水平及其影响因素的作用,进行了计算机神经网络分析。为分析这种方法与传统的统计分析方法的差异,将神经网络分析与相关分析、回归分析进行了比较,结果发现神经网络分析的优势,值得关注,但同时也发现其有一定的缺陷。尽管如此,但我们认为,尝试是有意义,它将给社会学研究以启示。     

基于误差指标的我国城镇化率最优组合预测

以1978-2016年我国总人口和城镇人口数据为样本对我国城镇化率的变化趋势进行研究,并用指数平滑、多项式拟合、灰色预测三种方法对我国2017-2020年的城镇化率进行预测;进一步地构建基于误差指标的最优组合预测模型对同样时间段的城镇化率进行预测,模型检验表明,最优组合预测模型能拥有更小的预测误差,预测效果相比单项预测更加准确.从结果可以看出:2017-2020年我国城镇化率稳步逐年上升,到2020年我国人口城镇化率将达到62.97%,为政府科学决策提供依据.     

基于情感分析大模型的股票预测：结合GRU和ALBERT的预测模型

自股票市场诞生以来,对股票价格的预测一直是研究的热点。已有的研究主要根据股票基本面数据、股价时间序列等结构化数据,利用数学、统计、深度学习等多种方法进行预测;或者基于新闻报道、社交网络文本等非结构化数据,采用文本挖掘、情感分析等技术获取情绪指标进而实现股价预测。然而,将以上两种方法进行结合的研究目前并不多见。本文提出了一种新的股票价格预测方法,该方法利用GRU深度学习网络,根据股票历史数据进行股价的预测,并构建出基于GRU框架的预测模型。同时,采用轻量级大模型ALBERT,对媒体新闻进行情感提取,获取情感特征。最后,将情感特征输入至于GRU预测模型中,并适应性调整GRU的输出结果,以获得最终的股票预测。本文最终选择了GRU-attention与Google Chinese ALBERT-Large结合的方案,该方案充分利用了客观特征以及情感特征包含的信息,使得输入模型的特征更加全面,并且在预测精度上相对其他方案有明显的优势。从实际应用上来看,本文搭建的股票预测模型能够为投资者提供更为准确的股票价格预测结果,帮助投资者制订更加合理的投资决策,并可以预警金融市场中可能发生的风险,帮助投资者...     

关于对称导数的几点注记

本文主要讨论了对称导数的性质及用对称导数研究函数分析性质的一些理论和方法,进一步论证了对称导数与单调函数、凸函数的关系,得出了用对称导数判定函数单调性、凹凸性的三个比较简单的方法和凸函数的一个新定义。