基于特征成像和卷积神经网络的上市公司财务预警模型研究
发布时间：2021-08-21 11:38
近来,随着中美贸易磋商的激烈化,市场环境的不断波动,企业在实际经营管理中常常会遇到各种问题如财务恶化等。而出现财务方面的问题,对于整个公司的发展而言往往是致命的,这使得财务危机问题逐渐发展成为和企业发展密切相关的经济体关注的焦点。因此,建立有效科学的财务预警模型,是企业运营管理过程中的风险管理一个具有研究意义的方向。然而,受限于数据分析处理技术,传统财务预警多基于简单的统计类Z分数模型、支持向量机和BP神经网络模型,模型构建使用过程中会存在样本数据选取不全、指标变量选择科学性、建模过程“统一”性等问题。随着大数据时代的到来,可以利用深度学习相关技术实现财务预警建模的“统一”,减少人为因素的干预,建立更加科学的财务预警模型,具有重要的研究意义。本文在对国内外学者关于财务预警研究成果回顾的基础上,按照反映上市公司的偿债能力、营运能力、盈利能力、企业成长能力和现金流动能力等五个方面选取来自万德数据库中年报的财务指标特征,同时选取数据库中其它能够体现财务状况异动的有实际财务意义的财务分析数据如总资产周转率、权益乘数等,构建了包括194个指标的原始指标体系。然后选取4210家上市公司的T-2和T...
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：67 页
【学位级别】：硕士
【部分图文】：
论文框架
第2章企业财务预警理论基础19会随着隐含层的增加而增加，然后在提高拟合优度时过度增加隐含层的数量在一定程度上会延长模型的训练时间。基于此，学者在利用BP神经网络进行研究时，通常是需要平衡模型评估性能以及模型训练时间来设计和优化网络结构。因此，在相关研究中，学者通常先考虑对隐含层进行确定优化，当隐含层中的隐神经元数目达到一定数量时，仍不能提高网络的性能，才会进一步的通过改变隐含层的层数来提升模型评估性能。隐含层的设计中一个重要的参数便是节点数量的确定，过少则不能实现想要的数据拟合度还有可能出现欠拟合的情况，而设计过多会使学习时间过长造成泛化能力下降，一般隐含层节点的设置参考以下公式确定：nml.................................................(2.5)式中，m为输入层节点数，n为输出层节点数，为1～10之间的常数。对于本文所构建的BP神经网络采用三层前向网络，其隐含层神经元数目基于式2.5通过试错法确定，部分主要训练参数参考相关研究文献的设定如下表2.1所示，其它参数则采用默认参数设置。表2.1BP神经网络训练参数最大训练次数Epoches800目标误差0.001学习率0.012.3.3基于卷积神经网络财务预警模型如图2.1所示，卷积神经网络结构主要是由卷积层、池化层和全连接层三个核心部件组合而成。从图中可以看出，网络结构包含多个卷积层和池化层，通过这两种结构层在网络结构中的交替设置来实现神经网络对输入数据的特征深度提取和优化，然后链接到全连接层输出最终结果。图2.1卷积神经网络基本结构
第2章企业财务预警理论基础21图2.2文中构建优化后的卷积神经网络结构对于文中所构建的卷积神经网络结构，对经典网络结构做出具体改进部分如下：（1）由于文中将数据转化形成灰度图的尺寸为1414，因此在进行网络结构的设计的时候将输入层的大小也做了适应性的调整。（2）上市公司财务预警是通过模型分类识别出正常经营的公司和经营异常（本文以是否被ST来确定）的公司，因此原问题也可以简化为二分类问题，故而需要将经典包含十个输出神经元的LeNet-5网络改为只包含两个神经元的网络。
【参考文献】：
期刊论文
[1]基于PSO-BP神经网络的上市公司财务风险预测研究[J]. 郑建国,冯珍慧. 信息技术与信息化. 2016(08)
[2]基于随机效应logistic模型的中小企业财务失败预警研究[J]. 梁琪,过新伟,石宁. 管理工程学报. 2014(03)
[3]基于不同指标类型的公司财务危机征兆和预测比较研究[J]. 吕峻. 山西财经大学学报. 2014(01)
[4]基于聚类-粗糙集-神经网络的企业财务危机预警[J]. 鲍新中,杨宜. 系统管理学报. 2013(03)
[5]企业财务危机的理论界定[J]. 耿振,蔚垚辉. 中国城市经济. 2011(05)
[6]财务危机预警研究:存在问题与框架重构[J]. 吴星泽. 会计研究. 2011(02)
[7]基于递阶遗传算法和BP网络的财务预警[J]. 周辉仁,唐万生,任仙玲. 系统管理学报. 2010(01)
[8]基于BP神经网络的上市公司财务预警模型[J]. 杨淑娥,黄礼. 系统工程理论与实践. 2005(01)
[9]我国上市公司财务困境的预测模型研究[J]. 吴世农,卢贤义. 经济研究. 2001(06)
[10]财务危机预警分析判别模型[J]. 张玲. 数量经济技术经济研究. 2000(03)
硕士论文
[1]基于支持向量机的我国生物医药上市公司财务危机预警研究[D]. 柳灿星.江西财经大学 2016
[2]基于粗糙集—支持向量机的上市公司财务预警模型研究[D]. 李威.西南财经大学 2013
本文编号：3355525
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：67 页
【学位级别】：硕士
【部分图文】：
论文框架
第2章企业财务预警理论基础19会随着隐含层的增加而增加，然后在提高拟合优度时过度增加隐含层的数量在一定程度上会延长模型的训练时间。基于此，学者在利用BP神经网络进行研究时，通常是需要平衡模型评估性能以及模型训练时间来设计和优化网络结构。因此，在相关研究中，学者通常先考虑对隐含层进行确定优化，当隐含层中的隐神经元数目达到一定数量时，仍不能提高网络的性能，才会进一步的通过改变隐含层的层数来提升模型评估性能。隐含层的设计中一个重要的参数便是节点数量的确定，过少则不能实现想要的数据拟合度还有可能出现欠拟合的情况，而设计过多会使学习时间过长造成泛化能力下降，一般隐含层节点的设置参考以下公式确定：nml.................................................(2.5)式中，m为输入层节点数，n为输出层节点数，为1～10之间的常数。对于本文所构建的BP神经网络采用三层前向网络，其隐含层神经元数目基于式2.5通过试错法确定，部分主要训练参数参考相关研究文献的设定如下表2.1所示，其它参数则采用默认参数设置。表2.1BP神经网络训练参数最大训练次数Epoches800目标误差0.001学习率0.012.3.3基于卷积神经网络财务预警模型如图2.1所示，卷积神经网络结构主要是由卷积层、池化层和全连接层三个核心部件组合而成。从图中可以看出，网络结构包含多个卷积层和池化层，通过这两种结构层在网络结构中的交替设置来实现神经网络对输入数据的特征深度提取和优化，然后链接到全连接层输出最终结果。图2.1卷积神经网络基本结构
第2章企业财务预警理论基础21图2.2文中构建优化后的卷积神经网络结构对于文中所构建的卷积神经网络结构，对经典网络结构做出具体改进部分如下：（1）由于文中将数据转化形成灰度图的尺寸为1414，因此在进行网络结构的设计的时候将输入层的大小也做了适应性的调整。（2）上市公司财务预警是通过模型分类识别出正常经营的公司和经营异常（本文以是否被ST来确定）的公司，因此原问题也可以简化为二分类问题，故而需要将经典包含十个输出神经元的LeNet-5网络改为只包含两个神经元的网络。
【参考文献】：
期刊论文
[1]基于PSO-BP神经网络的上市公司财务风险预测研究[J]. 郑建国,冯珍慧. 信息技术与信息化. 2016(08)
[2]基于随机效应logistic模型的中小企业财务失败预警研究[J]. 梁琪,过新伟,石宁. 管理工程学报. 2014(03)
[3]基于不同指标类型的公司财务危机征兆和预测比较研究[J]. 吕峻. 山西财经大学学报. 2014(01)
[4]基于聚类-粗糙集-神经网络的企业财务危机预警[J]. 鲍新中,杨宜. 系统管理学报. 2013(03)
[5]企业财务危机的理论界定[J]. 耿振,蔚垚辉. 中国城市经济. 2011(05)
[6]财务危机预警研究:存在问题与框架重构[J]. 吴星泽. 会计研究. 2011(02)
[7]基于递阶遗传算法和BP网络的财务预警[J]. 周辉仁,唐万生,任仙玲. 系统管理学报. 2010(01)
[8]基于BP神经网络的上市公司财务预警模型[J]. 杨淑娥,黄礼. 系统工程理论与实践. 2005(01)
[9]我国上市公司财务困境的预测模型研究[J]. 吴世农,卢贤义. 经济研究. 2001(06)
[10]财务危机预警分析判别模型[J]. 张玲. 数量经济技术经济研究. 2000(03)
硕士论文
[1]基于支持向量机的我国生物医药上市公司财务危机预警研究[D]. 柳灿星.江西财经大学 2016
[2]基于粗糙集—支持向量机的上市公司财务预警模型研究[D]. 李威.西南财经大学 2013
本文编号：3355525
本文链接：https://www.wllwen.com/guanlilunwen/huobilw/3355525.html
