BP神经网络财务危机预警实证研究

财务危机预警具有重要的经济研究价值。在考虑中国现行会计信息供给状况基础上,构建了包含偿债能力、资产管理能力、盈利能力、成长性、现金流量以及会计信息披露质量的六大类预警指标体系。以沪、深两市上市公司为样本,比较了经秩和检验前后,BP神经网络模型的预警效果。结果显示：BP神经网络模型在中国上市公司财务危机预警中具有良好的应用价值,特别是经秩和检验以后,模型判别准确率显著提高,具有很强的优越性。     

粗糙集—遗传优化神经网络构建与企业财务危机预警研究

基于双重混合神经网络技术的财务危机预警研究是未来财务危机预警理论的重要内容,比如粗糙集与遗传算法双重数据挖掘技术做为基于神经网络的财务危机预警系统的前置装置,优化后模型能有效降低模型训练时间和提高系统的预测精度。     

论财务危机预警研究的两大难题

有效的财务危机预警系统不仅可以预知危机、防范风险，起到未雨绸缪的作用，而且还能及时寻找导致财务危机的根源，使经营者有的放矢，避免企业破产。财务危机预警模型的构建和样本选取两大难题，是制约财务危机预警研究向纵深发展的重要因素。     

中国海外上市公司的PCA-SVM财务危机预警研究

在支持向量机(Support Vector Machine,SVM)方法的基础上融入主成分分析(Principal Compo-nent Analysis,PCA)方法,可构建PCA-SVM财务危机预警模型。以我国海外上市公司为研究对象,运用PCA提取出对财务危机具有显著影响的特征指标,进而通过训练集在不同核函数下对SVM进行训练,最后运用测试集对经过训练得到的SVM财务危机预警模型进行性能验证与评价。实证研究结果表明,PCA-SVM财务危机预警模型在线性、多项式、径向基和sigmoid四种核函数下都具有良好的预测能力,而径向基核函数下的PCA-SVM财务危机预警模型具有更加优越的学习能力与泛化推广能力。     

中国A股上市公司财务危机预警模型构建及实证研究

越来越多的投资者通过证券市场对上市公司进行投资,上市公司如果出现财务危机而投资者不能及时掌握相关信息,预警危机发生,将会面临巨大的风险,造成经济损失,甚至影响整个社会的稳定。通过参考国内外文献,选取财务、公司治理、总体经济和经营效率51个变量,2002~2005年中国A股上市ST与非ST公司378个样本,利用DEA数据包络分析法、Logit模型和类神经网络模型,并进行拟合优度与假说的检测及实证,确定并构建出本研究中最优的跨期财务危机预警综合模型。     

后金融危机时代中小企业财务危机预警管理

2008年的全球性金融危机给我国中小企业带来了巨大的冲击,绝大多数中小企业陷入了财务困境,甚至破产倒闭。在后金融危机时代,我们应该吸取经验教训,提高中小企业财务危机意识,加强财务危机的预警,防患于未然,因此建立中小企业财务危机预警模型成为刻不容缓的任务之一。文章尝试在传统的基于功效系数法下构建的中小企业财务危机预警模型中加入了关键性的非财务指标,试图通过定量与定性指标的结合,以期增加模型的全面性与准确性。     

现金流量预警指标视角下的BP神经网络模型实证检验研究——来自2007—2012年沪深两市ST公司的数据分析

文章针对现金流量指标的国内外研究动态,从财务危机预警角度构建现金流量预警指标体系;并选取2007年-2012年沪、深两市A股79家ST公司及79家非ST公司作为训练样本,用样本公司被ST前1年、2年、3年的数据对指标进行筛选,将BP神经网络模型预警结果与样本的实际结果进行比较。研究结果表明：BP神经网络模型t-1年、t-2年、t-3年的预测精度依次下降,但t-3年财务预警模型对训练样本的预测精度仍能达到79．22％,对检验样本的预测精度也能达到78％。     

中国上市公司财务危机预警研究——基于BP神经网络的分析

［摘要］随着经济不断向前发展和国际经济一体化进程不断加速以及国家宏观政策的调整变化，企业面临着更大的经营风险，企业管理者面临着新的更大挑战，投资者面临着更为复杂的投资环境。强化风险意识能力，提高风险预测精度，增强风险控制力，不仅是广大企业管理者时刻关注的重要问题，更是保持企业长期稳定健康发展、促进企业价值不断增加的需要。本文运用BP神经网络输入变量构建上市公司财务危机预警模型，结果表明BP神经网络对公司财务危机具有较强预测能力，更能准确反映公司真实的财务状况，对公司管理者与投资者有重要的参考价值和指导意义。     

财务危机预警模型的环境因素分析

市场竞争的日益白热化,企业面临的生存环境瞬息万变,潜在的经营风险和财务风险越来越大,要求企业能够及时、准确地预见潜伏的财务危机.而现有的模型大多没有考虑环境因素对财务危机预警的作用,从而使预测的准确性和科学性受到了不同程度的削弱.本文试图在传统的预警模型基础上加入环境变量,对环境因素引发财务危机作定性研究,建立财务危机预警系统的环境综合评分标准,从另一个角度对现有的财务危机预警模型提出了修正意见.     

制造业上市公司财务危机预警模型研究

运用传统财务指标作为参照标准计算制造业上市公司财务预警,预警结果会出现失真,针对这一不足,把EVA（经济增加值）的概念应用到财务预警计算过程,结合粗糙集的分类决策方法和BP神经网络的反向传播、训练的分析方法,提出一种新的财务危机预警模型,通过部分制造业上市公司财务数据的模拟实验,实验得出的预警信息更加真实、可靠。     

基于盾构掘进参数的LVQ神经网络地层识别

以苏州4号线2标及2号线东延伸线5标地铁工程为背景，分析了盾构机的掘进参数：千斤顶推力、推进速度、刀盘扭矩、螺旋机转速和同步注浆量在不同地层条件下的变化规律。提出了基于盾构机掘进参数的学习向量量化（Learning Vector Quantization，LVQ）神经网络地层识别方法。建立了以盾构机五个掘进参数作为输入，地层特性编码为输出的数学模型，通过每种地层100组训练样本对模型进行训练，通过57步训练，训练样本误差控制在0.1以内，并用每种地层50组检验样本进行检验，地层总体识别率达到82.7%。     

基于神经网络和决策树相结合的信用风险评估模型研究

文章提出了一种将神经网络和决策树相结合的信用风险评估模型NN-DT。该方法依据属性重要性将贷款企业的财务指标进行排序,然后通过RBF神经网络进行属性裁减生成决策树,从而得出企业是否违约的分类。最后以判别分析以及C4.5 算法为参照方法进行了实证研究,结果表明,NN-DT模型显著地提高了预测精度。     

基于主成分分析和贝叶斯正则化BP神经网络的GDP预测

选用财政收入、财政支出、消费品零售总额、实际利用外资、进出口总额以及全社会固定资产投资等对GDP有显著影响的6个因子,用1985～2008年中国的宏观经济数据建立了一个基于主成分分析和贝叶斯正则化BP神经网络的预测模型,并把它应用于我国GDP的预测。实证结果表明:通过主成分分析法和贝叶斯正则化方法对BP神经网络进行改进,可简化网络结构,增强泛化能力。与其它常用的预测方法相比,该方法数据输入简便,收敛速度快,拟合曲线光滑,且在预测精度上有明显的优势。     

贸易渠道视角下的金融危机传染研究：基于复杂网络与SIRS模型

基于复杂网络方法构建亚太经济合作组织成员国之间的贸易网络,并在此基础上运用SIRS模型对金融危机在贸易渠道上的传染进行分析。结果表明：金融危机在贸易渠道上具有传染迅速、持续时间长的特点;贸易网络具有小世界效应,国家(地区)间贸易联系越紧密,传染阈值就越小,危机就越容易通过贸易渠道进行传染;免疫丧失率增大,受感染的国家(地区)数量将增多,但免疫丧失率超过0.5以后该现象不明显。     

AOD精炼铁合金终点预测模型的建立

智能控制技术在冶金终点检测和终点控制中得到广泛应用,特别是神经网络技术,采用径向基函数神经网络(RBF)构成的神经网络控制方案可以有效地提高系统的精度、自适应性和鲁棒性。选用RBF神经网络建立冶炼终点温度和碳含量的预测模型,可以为后续的控制模型提供有价值的控制信息,通过终点控制模型计算所要补吹的氧气量以及补加的冷却剂量,以达到冶炼终点温度和碳含量的精确命中。仿真分析表明,RBF神经网络应用于冶炼终点温度和碳含量预测模型的建立,具有一定的预测精度。     

BP神经网络在心脏病检诊断中的应用

心脏病诊断就是对被检查者进行分类,分为心脏病患者和非心脏病患者,而人工神经网络模型BP算法的多层前馈网络模型能很好的处理分类问题。利用人工神经网络的函数逼近功能,建立输入到输出的关系函数,从而可以根据被检查者的指标判断其是否患有心脏病。     

基于复杂网络理论的银行系统性风险研究评述

美国次贷危机引起的全球性金融危机给世界各主要经济体造成了严重的经济损失。银行作为金融系统的核心,对金融系统的稳定起着至关重要的作用,因此,银行系统性风险受到了各国中央银行和政策制定者的高度重视,尽管如此,对银行系统性风险的度量仍没有一个统一的框架。本文对利用复杂网络理论研究银行系统性风险的国内外文献进行了系统的梳理和总结,提出了当前研究的不足和展望。     

基于MATLAB的BP神经网络模型在地震预报中的应用

根据人工神经网络模型,运用MATLAB的神经网络工具箱建立BP神经网络预测模型,以地震变化率作为神经网络的输入,对台湾地区和四川地区地震数据时间序列进行分析对大地震的发生时间进行预测。实验证明该模型用于地震预报的有效性和可行性,具有良好的应用价值。