电子商务环境下ST公司财务危机分类预测

发布时间：2021-10-18 18:43

　　在过去的几十年中,人们一直在深入研究企业危机预测问题。从传统的统计模型到智能的机器学习模型,已经构建各种预测模型应用于不同数据集,尤其是人工智能技术的发展为该类问题提供了更多方法,因此本文首先以电子商务环境下的ST公司为研究样本,构建基于卷积神经网络的财务危机预测模型,对电子商务企业财务状态分类进行实证研究。研究结果表明,相比于传统类预测方法,基于CNN的分类模型对ST公司的预测准确率明显高于其他几种模型,具有较好的预测性能。 

【文章来源】：电子商务. 2020,(09)

【文章页数】：2 页

【部分图文】：

卷积神经网络结构

通过不断训练和调整参数可知，当epoch为100时，准确率和损失值的震荡幅度最小。由图3观察可知，测试样本上的损失值普遍要比训练样本中小，而准确率普遍要高，其中测试准确率和损失值曲线的波动度要比训练样本强烈，这代表训练样本的学习率和拟合度比较高。测试准确率曲线中准确率主要在0.7～0.9之间，其中最高值为89.31%，最小值为74.24%，平均准确率大概为85%。损失值函数曲线是红色曲线，变动范围在0.3至0.5之间，平均值为45%。统计结果如表2。卷积网络财务危机预测模型的实证研究统计结果如表4所示，在对财务指标的研究中可知，判断正确率达到91.67%。其中，在对检测样本的统计结果中，财务危机公司误判成健康公司的个数为4；而将健康公司误判成财务危机公司的个数是2。这显示了卷积神经网络在分类预警中的优势，降低了将危机公司判断成健康公司的概率。


本文编号：3443298