神經(jīng)網(wǎng)絡(luò)在財(cái)務(wù)的應(yīng)用

神經(jīng)網(wǎng)絡(luò)(NeuralNetwork，NNet)BP算法基本步驟神經(jīng)網(wǎng)絡(luò)在財(cái)務(wù)方面的應(yīng)用神經(jīng)網(wǎng)絡(luò)研究方向主要內(nèi)容神經(jīng)網(wǎng)絡(luò)(Neuralnetwork，NNet)是人工智能中研究比較成熟的技術(shù)。神經(jīng)網(wǎng)絡(luò)最早是由心理學(xué)家和神經(jīng)生物學(xué)家提出的，旨在尋求和測(cè)試神經(jīng)的計(jì)算模擬。神經(jīng)網(wǎng)絡(luò)是一組連接的輸入/輸出單元，其中每個(gè)連接都與一個(gè)權(quán)值相連。在學(xué)習(xí)階段，通過(guò)不斷調(diào)整神經(jīng)網(wǎng)絡(luò)的相連權(quán)值，使得能夠正確預(yù)測(cè)輸入樣本的正確類標(biāo)號(hào)。神經(jīng)網(wǎng)絡(luò)系統(tǒng)是由大量的、同時(shí)也是很簡(jiǎn)單的處理單元(或稱神經(jīng)元)廣泛的相互連接而形成的復(fù)雜網(wǎng)絡(luò)系統(tǒng),在研究方法上強(qiáng)調(diào)綜合而非分解。一般認(rèn)為,神經(jīng)網(wǎng)絡(luò)系統(tǒng)是一個(gè)高度復(fù)雜的非線性動(dòng)力學(xué)系統(tǒng),除了具備非線性系統(tǒng)共性以外,更主要的是具備其自身的特點(diǎn),即高維性、神經(jīng)元之間的廣泛互連性、自適應(yīng)性、自組織性等等。NNet神經(jīng)網(wǎng)絡(luò)通常由輸入層、輸出層和隱藏層組成，輸入層的神經(jīng)元個(gè)數(shù)等于樣本的特征數(shù)，輸出層就是分類判決層，它的神經(jīng)元個(gè)數(shù)等于樣本的類別數(shù)。特點(diǎn)：對(duì)噪聲數(shù)據(jù)具有較高的承受能力，但訓(xùn)練需要花費(fèi)較長(zhǎng)的時(shí)間。至今為止,學(xué)者們已經(jīng)提出了多種神經(jīng)網(wǎng)絡(luò)模型,如自適應(yīng)共振理論模型(ART)、雪崩模型(AVA)、反向傳播模型(BP,一種多層結(jié)構(gòu)的映射網(wǎng)絡(luò),是目前應(yīng)用最廣泛的一種神經(jīng)網(wǎng)絡(luò)模型之一)、重復(fù)傳播模型(CPN)、感知機(jī)模型(PTR)、自組織映射模型(SOM)等等NNet目前最流行的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法是：后向傳播算法（Back-propagation,BP）。它通過(guò)迭代地處理一組訓(xùn)練樣本，將每個(gè)樣本的網(wǎng)絡(luò)預(yù)測(cè)與實(shí)際知道的類標(biāo)號(hào)比較，進(jìn)行學(xué)習(xí)。對(duì)于每個(gè)訓(xùn)練樣本，修改連接權(quán)值，使得網(wǎng)絡(luò)預(yù)測(cè)與實(shí)際類之間的均方誤差最小。這種修改“后向”地進(jìn)行,即由輸出層，經(jīng)由每個(gè)隱藏層，到第一個(gè)隱藏層。BP算法基本步驟1．初始化網(wǎng)絡(luò)各層的權(quán)值及神經(jīng)元閾值。（一個(gè)小的隨機(jī)數(shù)）2.

向前傳播輸入：對(duì)每一樣本，計(jì)算隱藏層和輸出層每個(gè)單元的凈輸入和輸出。

BP算法基本步驟3.后向傳播誤差

通過(guò)更新權(quán)值和偏置以反映網(wǎng)絡(luò)的預(yù)測(cè)誤差。

BP算法基本步驟終止條件：更新權(quán)值較小正確分類的樣本百分比超過(guò)預(yù)先指定的訓(xùn)練周期（實(shí)踐中，權(quán)收斂可能需要數(shù)十萬(wàn)個(gè)周期）

神經(jīng)網(wǎng)絡(luò)在財(cái)務(wù)方向的應(yīng)用在財(cái)務(wù)管理理論方面,應(yīng)用神經(jīng)網(wǎng)絡(luò)的典型例子有:IPOs(Jain和Nag,1995)以及IPO定價(jià)、衍生證券的定價(jià)與保值(Hutchinson,Lo和Poggio,1994),預(yù)測(cè)銀行破產(chǎn)(Tam和Kiang,1992),證券評(píng)級(jí)(Dudda和Shekhar,1988),對(duì)人工神經(jīng)網(wǎng)絡(luò)績(jī)效進(jìn)行比較判別分析(Yoon,Swales和Margavio,1993),破產(chǎn)預(yù)測(cè)(Fletcher和Goss,1993)等等[9]。簡(jiǎn)而言之,該方法逐漸產(chǎn)生的普遍適應(yīng)性歸結(jié)于其模式識(shí)別(patternrecognition)的基本技術(shù)。神經(jīng)網(wǎng)絡(luò)在財(cái)務(wù)方向的應(yīng)用神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)功能使得其首先應(yīng)用于財(cái)務(wù)危機(jī)預(yù)警將T-i年的財(cái)務(wù)指標(biāo)輸入模型進(jìn)行訓(xùn)練，提取樣本特征；首先將ST公司和非ST以及各自對(duì)應(yīng)的財(cái)務(wù)比率輸入神經(jīng)網(wǎng)絡(luò)，

神經(jīng)網(wǎng)絡(luò)能夠接收這些財(cái)務(wù)比率的特征，并將其作為輸入單元，通過(guò)特定的權(quán)值，連接到輸出單元，也就是通過(guò)這些財(cái)務(wù)比率進(jìn)行分類。神經(jīng)網(wǎng)絡(luò)的訓(xùn)練就是調(diào)整權(quán)值，使其變大或變小，以達(dá)到更高的分類準(zhǔn)確性。所以神經(jīng)網(wǎng)絡(luò)模型需要經(jīng)過(guò)反復(fù)的訓(xùn)練，花費(fèi)時(shí)間較長(zhǎng)。神經(jīng)網(wǎng)絡(luò)的訓(xùn)練結(jié)果就是財(cái)務(wù)比率對(duì)分類結(jié)果的重要性，也就是哪些財(cái)務(wù)比率能夠顯著區(qū)分ST公司和非ST公司，而且還可以得到變量重要性的權(quán)值。這樣，就可以利用神經(jīng)網(wǎng)絡(luò)去預(yù)測(cè)其他公司的分類。本文將展示神經(jīng)網(wǎng)絡(luò)在財(cái)務(wù)預(yù)警分析中的分類能力，我們可以看到神經(jīng)網(wǎng)絡(luò)模型在數(shù)據(jù)分類挖掘中的確具有較高的精度。現(xiàn)有文獻(xiàn)的研究一般認(rèn)為神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)正確率更好神經(jīng)網(wǎng)絡(luò)在財(cái)務(wù)方向的應(yīng)用神經(jīng)網(wǎng)絡(luò)模型從本質(zhì)上來(lái)說(shuō),是通過(guò)所給出的一系列輸入變量(獨(dú)立變量)對(duì)輸出變量的系統(tǒng)的模式識(shí)別方法,該方法獨(dú)立于數(shù)據(jù)的生成過(guò)程。進(jìn)一步來(lái)說(shuō),神經(jīng)網(wǎng)絡(luò)模型能夠處理大量的輸入變量,即使這些數(shù)據(jù)是有噪聲的(noisy)或是具有強(qiáng)相關(guān)性的。神經(jīng)網(wǎng)絡(luò)模型的這些優(yōu)勢(shì)是經(jīng)典線性統(tǒng)計(jì)方法(以多元線性回歸模型為代表)所不具備的。因此，現(xiàn)在也逐漸應(yīng)用到財(cái)務(wù)數(shù)據(jù)的分析和挖掘上。神經(jīng)網(wǎng)絡(luò)在財(cái)務(wù)方向的應(yīng)用Clementine中的神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)在財(cái)務(wù)方向的應(yīng)用在財(cái)務(wù)危機(jī)預(yù)警的基礎(chǔ)上，相關(guān)論文仍然借鑒了神經(jīng)網(wǎng)絡(luò)在判別和預(yù)測(cè)上的功用《基于BP神經(jīng)網(wǎng)絡(luò)的上市公司審計(jì)意見(jiàn)預(yù)測(cè)模型》——財(cái)會(huì)月刊文章將審計(jì)意見(jiàn)分為標(biāo)準(zhǔn)和非標(biāo)準(zhǔn)，基于BP神經(jīng)網(wǎng)絡(luò)對(duì)審計(jì)意見(jiàn)進(jìn)行預(yù)測(cè)，并認(rèn)為神經(jīng)網(wǎng)絡(luò)具有較好的預(yù)測(cè)效果輸出層閾值由網(wǎng)絡(luò)訓(xùn)練自行確定，對(duì)網(wǎng)絡(luò)隱含層神經(jīng)元的數(shù)目通過(guò)試錯(cuò)法，通過(guò)不斷的嘗試增加神經(jīng)元的數(shù)目來(lái)提高網(wǎng)絡(luò)的收斂速度和擬合能力，直到網(wǎng)絡(luò)的收斂速度達(dá)到最快，網(wǎng)絡(luò)輸出誤差滿足要求為止。通常確定隱含層神經(jīng)元數(shù)目所使用的經(jīng)驗(yàn)公式為：（2p1+p2）1/2<p3<2p1+1，其中：p1為輸入節(jié)點(diǎn)數(shù)，p2為輸出節(jié)點(diǎn)數(shù)，p3為隱含層的神經(jīng)元數(shù)目。神經(jīng)網(wǎng)絡(luò)在財(cái)務(wù)方向的應(yīng)用《基于現(xiàn)金流信息結(jié)構(gòu)的企業(yè)組織循環(huán)效率評(píng)價(jià)的神經(jīng)網(wǎng)絡(luò)模型》——會(huì)計(jì)研究提出對(duì)企業(yè)組織循環(huán)效率具有顯著表征能力的現(xiàn)金流類財(cái)務(wù)指標(biāo),并據(jù)此構(gòu)建基于現(xiàn)金流信息結(jié)構(gòu)的企業(yè)組織循環(huán)效率評(píng)價(jià)的神經(jīng)網(wǎng)絡(luò)模型多層BP神經(jīng)網(wǎng)絡(luò)模型可以實(shí)現(xiàn)任意可實(shí)現(xiàn)的線性和非線性函數(shù)的映射,克服了Logistic回歸模型要求變量個(gè)數(shù)盡可能簡(jiǎn)約及變量相互獨(dú)立的局限性,解決了現(xiàn)金流類指標(biāo)具有高度相關(guān)性及非線性性的問(wèn)題,因而,更適合作為企業(yè)組織循環(huán)效率的評(píng)價(jià)模型。神經(jīng)角網(wǎng)絡(luò)著在財(cái)環(huán)務(wù)方僵向的茂應(yīng)用《基于BP神經(jīng)映網(wǎng)絡(luò)怨的公革允價(jià)攏值有液用性漸評(píng)價(jià)》—包—中國(guó)鏈管理系信息掉化公允司價(jià)值怨在上南市公距司的剃財(cái)務(wù)疑報(bào)表惱開(kāi)始筆啟用詳，文躍章利室用問(wèn)晨卷調(diào)慶查，朱選取鹿樣本吧對(duì)公如允價(jià)跨值的例相關(guān)獅性和盼可靠幻玉性進(jìn)晌行評(píng)存價(jià)。普借助BP神經(jīng)訂網(wǎng)絡(luò)親工具浸對(duì)搜具集的羨公允窄價(jià)值公的相麻關(guān)性用和可統(tǒng)靠性擺評(píng)分貍進(jìn)行喜訓(xùn)練蒼，得縣到各稍樣本跌的綜醉合結(jié)煎果神經(jīng)票網(wǎng)絡(luò)布在財(cái)偵務(wù)方串向的蹤蝶應(yīng)用《基于微神經(jīng)成網(wǎng)絡(luò)垃的企季業(yè)可愛(ài)持續(xù)該發(fā)展攜力評(píng)具價(jià)》建立句一個(gè)駱包含7個(gè)因枯子的毒可持夏續(xù)發(fā)頂展能嚷力評(píng)在價(jià)指烏標(biāo)體闖系，信基于BP神經(jīng)卸網(wǎng)絡(luò)蚊建立睡企業(yè)泉可持使續(xù)發(fā)趁展力泡評(píng)價(jià)珠模型神經(jīng)紙網(wǎng)絡(luò)粒在財(cái)綿務(wù)方渠向的狂應(yīng)用《企業(yè)勞資本鋼結(jié)構(gòu)凝及其在影響纏因素凈的關(guān)產(chǎn)系研傻究》—志—系統(tǒng)傘工程應(yīng)用訪神經(jīng)蝕網(wǎng)絡(luò)勺和多井元線襖性回皇歸模難型，油比較懶兩個(gè)禿模型掉的SS總E指標(biāo)但和Th妄ei狀l’s“U”系玩數(shù)神經(jīng)培網(wǎng)絡(luò)斗對(duì)于謙財(cái)務(wù)賞數(shù)據(jù)館的處頭理也媽是一搬個(gè)新級(jí)的研餡究方想法和峰工具作者張?zhí)岢鲎鸾Y(jié)構(gòu)甩方程欠等也辭可以痰提供流新的本思路神經(jīng)仗網(wǎng)絡(luò)被在財(cái)見(jiàn)務(wù)方筐向的瓶應(yīng)用《權(quán)證梯定價(jià)明的BP神經(jīng)累網(wǎng)絡(luò)驅(qū)方法》—費(fèi)—統(tǒng)計(jì)哥與決桐策文章球采用BP和徑痕向基望函數(shù)彼以及鼠傳統(tǒng)BS模型漫預(yù)測(cè)狹三只遺權(quán)證細(xì)的價(jià)熔格，皺使用數(shù)平均辨誤差僚，均糞方誤納差和經(jīng)平均披絕對(duì)腸誤差積進(jìn)行秤模型采評(píng)價(jià)發(fā)現(xiàn)膠神經(jīng)竹網(wǎng)絡(luò)紹比傳競(jìng)統(tǒng)定蜜價(jià)模蓬型更西優(yōu)，彈而B(niǎo)P神經(jīng)燃網(wǎng)絡(luò)嗎預(yù)測(cè)旦結(jié)果情不唯踏一，RB鮮F預(yù)測(cè)社效果恒較好神經(jīng)激網(wǎng)絡(luò)球在財(cái)托務(wù)方珠向的德應(yīng)用《基于BP神經(jīng)監(jiān)網(wǎng)絡(luò)崗的大波非減濕持影危響因非素實(shí)盡證分朋析——協(xié)—以深匪交所澡上市女公司冷