基于递归神经网络与在线评论挖掘的企业盈利预测

发布时间：2017-12-25 22:22

  本文关键词：基于递归神经网络与在线评论挖掘的企业盈利预测　出处：《华东师范大学》2017年硕士论文　论文类型：学位论文

  更多相关文章： 盈利预测 LSTM神经网络 情感分析 主题模型

【摘要】：随着互联网和计算机技术的发展,许多传统行业也开始向数字化的经营方向变革。企业更是在运营管理方面引入新工具,如使用完善的企业资源管理(ERP,EnterpriseResourcePlanning)系统进行计划管理,通过互联网营销宣传等。在数字化经营的环境下,企业及其用户产生大量多维度数据,而整理分析后的数据本身又可以反映企业的经营状况,为其发展提供有价值的信息。上市企业通常拥有持续时间较长的财务指标数据,一般使用传统的财务指标分析方法对未来的盈利作出预测,而中小体量的企业普遍缺乏完善的财务管理且可分析数据较少,对其进行盈利预测的难度较大,因此目前企业盈利预测的研究主要集中在上市公司。本文进行盈利预测的主要研究对象是餐饮行业的中小型企业,目前国内并没有面向这类企业的盈利预测研究,而这类企业由于行业特性和现金流、体量等原因更容易遇到经营不善的问题。对餐饮类中小型企业经营情况的分析与预测既可以作为数据服务提供给企业主帮助其进行管理,也可以结合其他行业如风险投资,贷款服务对企业进行风险评估。本文的研究数据分为两类,其中一种是一家餐饮类ERP公司提供的2000余家餐饮企业近一年的月营收数据,另一种是编写爬虫从线上点评网站——大众点评获取的用户对商家的评价信息。由于月营收这类短时间序列数据并不适合用传统的时间序列分析模型如ARIMA等进行分析,本文提出基于LSTM(LongShort-Term Memory)改进的神经网络作为盈利预测模型,使用 Maxout 激活函数替换LSTM中输入部分原本的tanh函数生成改进后的Maxout-LSTM神经网络,经过和SVR及灰色模型的对比试验后证明Maxout-LSTM有更高的准确度。与传统盈利预测模型只使用财务指标进行分析预测不同,本文提出了基于评论特征的扩展盈利预测模型,即挖掘线上评论从而提取有价值的信息作为新增特征。除了评论信息中的基础特征如各项评分外,通过主题模型、情感分析、对低可靠度用户的评分进行修正等方法从评论数据中提取相关特征并结合Maxout-LSTM 使盈利预测模型准确度得到进一步提升。
【学位授予单位】：华东师范大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：F724.6;F713.55;TP183

【参考文献】

相关期刊论文 前10条

1 李丽青;;分析师盈利预测能表征“市场预期盈利”吗?——来自中国A股市场的经验证据[J];南开管理评论;2012年06期

2 常亚平;肖万福;覃伍;阎俊;;网络环境下第三方评论对冲动购买意愿的影响机制:以产品类别和评论员级别为调节变量[J];心理学报;2012年09期

3 张晓东;朱敏;;网络口碑对消费者购买行为的影响研究[J];消费经济;2011年03期

4 岳衡;林小驰;;证券分析师VS统计模型:证券分析师盈余预测的相对准确性及其决定因素[J];会计研究;2008年08期

5 刘金红;陆余良;;主题网络爬虫研究综述[J];计算机应用研究;2007年10期

6 王惠芳;上市公司盈利预测信息自愿性披露实证研究——来自1090家中国上市公司中期报告的证据[J];山西财经大学学报;2005年04期

7 李增泉,卢文彬;会计盈余的稳健性:发现与启示[J];会计研究;2003年02期

8 朱峰;公司盈利的时间序列分析[J];兰州商学院学报;2002年05期

9 陆璇,陈小悦,张岭松,刘慧霞;中国上市公司财务基本信息对未来收益的预测能力[J];经济科学;2001年06期

10 王鹏程;对盈利预测若干问题的分析和研究[J];会计研究;1997年03期

，

本文编号：1334686