基于深度学习的我国上市公司财务预警模型研究

发布时间：2024-12-22 21:18

　　伴随着世界经济的一体化发展,企业经营所处环境的不确定性进一步加强。企业的财务状况对于一个企业的生存发展来说至关重要。很多企业的经营危机都是以财务危机为先兆。但是,罗马不是一天建成的。财务危机的发生也会经历一个过程。所以对于企业来说,建立一个准确率较高的财务预警模型以此在财务危机发生以前做好预防和准备工作便显得愈发重要。以往对于财务预警的研究往往局限于Z分数模型分析、Logistic模型分析和神经网络模型分析这三种分析方法,但是他们均存在一定的不足之处。随着大数据时代的来临,人们开始使用深度学习作为研究工具预测财务危机。本文将创新性地采用深度学习网络这一方法建立准确率更高的财务预警模型,帮助企业科学地对财务状况加以分析。本文在对国内外学者的成果加以回顾的基础之上,阐述了财务风险和财务预警的基本理论。随后在本文的核心章节中,建立了包括二十二个指标在内的指标体系,然后选取2066家上市企业作为样本进行训练,并以54家企业作为检验组加以检验,得出深度学习网络模型在T-2年、T-3年的预警准确率分别为90.74%、88.89%。所以,离财务危机发生时间越近的预警模型的准确率越高。随后,利用建立深度...

【文章页数】：66 页

【学位级别】：硕士

【部分图文】：

图2-1自动编码器网络示意图

图2-1自动编码器网络示意图器是对样本数据进行自动编码的一种无监督的机器示意图如图2-1所示，假设样本数据中的一个样}n，则对经过样本进行自动编码器自动编码}nx，自动编码器通过训练可以获取到一个能更加抽象。若输入层1L一共n个网....

图2-2自动编码器结构

天津大学硕士学位论文的向量z，其中参数为'''{W,b}，此时可以获取最'；每个样本输入向量x映射得到对应的y，再重构变换方根误差，可以得到模型的最优参数，如下式所示：''*'*1,1,argmin(,(()))niiiLxgfxn....

图2-3去噪自动编码器结构

图2-3去噪自动编码器结构栈式自动编码器（StackedAutoencoders，SAE），是将自动编码器堆叠成的多层加以组合而成的。栈式去噪自动编码（Stackeddenencoders，SDAE），是在加有对自动编码器添加噪声后的自动编码器叠起来形成的。其训练过程如下：....

图2-4栈式去噪自编码器结构

天津大学硕士学位论文一层所得的特征表示nh作为SDAE对整个网络结构进行微调，y作为输E模型，该模型能对未知的数据进行

本文编号：4019743