基于Logistic回归和BP神经网络的财务预警模型比较

发布时间：2017-10-04 20:13

  本文关键词：基于Logistic回归和BP神经网络的财务预警模型比较

  更多相关文章： Logistic回归模型 BP神经网络模型 第一类错误

【摘要】：国内对Logistic回归模型和BP神经网络模型在财务预警方面已有不少实证研究,这些研究大多从预测准确度较高的角度出发,认为两个模型可以借鉴使用,但没有具体讨论模型犯第一类错误(将财务危机误判为财务正常)和第二类错误(将财务正常误判为财务危机)的概率。文章结合Logistic回归模型及BP神经网络模型的原理,选取上市公司财务数据进行实证,研究结果表明BP神经网络模型总体预测准确性较高,犯第一类错误的概率较低,对财务预警分析有一定借鉴作用;Logistic回归模型预测准确度低于BP神经网络模型,且犯第一类错误的概率远高于BP神经网络模型,因此运用该模型进行财务预警时应十分谨慎。
【作者单位】： 中南财经政法大学会计学院;
【关键词】： Logistic回归模型 BP神经网络模型 第一类错误
【分类号】：F275;TP183;F832.51
【正文快照】： 0引言随着企业经营风险的不断上升,上市公司财务预警问题受到多方利益相关者的关注,如何选择合适的财务预警模型,对上市公司财务状况做出准确预判已成为当前财务管理的热门内容之一。在众多财务预警模型中,Logisitic回归模型与BP神经网络模型因具有较高的预测准确度而受到广泛

【相似文献】

中国期刊全文数据库 前1条

1 于培彦;检验分布对称性的一个方法[J];宁夏农学院学报;1988年02期

中国硕士学位论文全文数据库 前2条

1 张辉;广义推断在系统可靠性问题中的应用[D];北京建筑大学;2015年

2 吴琴;敏感性调查中两总体下NRR模型的应用[D];东北师范大学;2010年

，

本文编号：972615