GA-BP神经网络模型在企业绩效评价中的应用

发布时间：2020-12-13 16:44

　　遗传算法在寻求全局最优解方面有着强大的鲁棒性和稳定性,能对BP神经网络局部最优这一缺陷进行有效弥补。为此,本文构建GA-BP神经网络模型,从财务与非财务方面制定符合上市公司绩效评价的指标体系,重点通过因子分析法对模型在上市公司绩效评价中的应用进行分析,验证模型的可行性,并基于绩效评价结果对上市公司的发展提出意见。通过GA-BP神经网络模型应用研究,能够为上市公司管理层、社会公众等利益相关者提供参考。 

【文章来源】：财会通讯. 2019年17期 北大核心

【文章页数】：6 页

【部分图文】：

BP神经网络拓扑结构

??恚患扑慊?远??瓿赏?缪盗费?臼?莸?构建，并循环至预设值；网络训练完成，对阈值与权值进行确认，最后时限评价结果的输出。一是BP神经网络层数设计：输入层、隐含层及输出层构成BP神经网络的三个层级体系，任何非线性映射问题均可以通过三层神经网络表达（见图3）。因此，将其作为上市公司绩效评价基础，解决模型过于复杂而陷入局部解问题，提高模型效率。二是确定节点：评价指标体系中的指标通过因子分析法得以优化，将BP网络模型的输入节点确定为得到的因子指标，可以对整体信息的因子指标进行全面反映。图2BP神经网络模型流程图图3三层BP神经网络模型33

绫幌低乘婊?秤璩跏既ㄖ担?将期望值与通过赋值多次循环调节计算出的输出结果进行对比，将误差有效控制在预设值范围内，其具体过程如图2所示：BP神经网络训练样本数据的选取，也就是目标数据和输入数据的选择；网络参数通过建立的神经网络模型进行初始化处理；计算机自动化完成网络训练样本数据的构建，并循环至预设值；网络训练完成，对阈值与权值进行确认，最后时限评价结果的输出。一是BP神经网络层数设计：输入层、隐含层及输出层构成BP神经网络的三个层级体系，任何非线性映射问题均可以通过三层神经网络表达（见图3）。因此，将其作为上市公司绩效评价基础，解决模型过于复杂而陷入局部解问题，提高模型效率。二是确定节点：评价指标体系中的指标通过因子分析法得以优化，将BP网络模型的输入节点确定为得到的因子指标，可以对整体信息的因子指标进行全面反映。图2BP神经网络模型流程图图3三层BP神经网络模型33

【参考文献】：
期刊论文
[1]运用因子分析法测度当前我国房地产泡沫的正确方法:结合文献研究和实证研究的证明[J]. 王浩.  宏观经济研究. 2017(06)
[2]基于因子分析法的城市商业银行财务风险预警体系研究[J]. 李燕.  金融理论与实践. 2017(04)
[3]基于GA-BP神经网络的计算机智能化图像识别技术探究[J]. 曹永峰,赵燕君.  应用激光. 2017(01)
[4]文化产业上市公司经营绩效评价——基于81家公司财务数据的实证分析[J]. 朱尔茜.  技术经济与管理研究. 2017(01)
[5]大数据背景下遗传算法在投资组合优化中的效果研究[J]. 齐岳,林龙,王治皓.  中国管理科学. 2015(S1)
[6]中国制造业技术创新能力和效率评价研究——基于因子分析法和数据包络法[J]. 张铁山,肖皓文.  工业技术经济. 2015(10)
[7]企业经营绩效评价指标建构与实证[J]. 侯光文,郝添磊.  统计与决策. 2015(16)



本文编号：2914851