（应用数学专业论文）人工神经网络在中小企业财务分析中的应用.pdf

两南人学硕+ 学位论文中文摘要 i 一 m , i 皇曼皇曼曼曼曼皇曼鼍曼曼曼曼曼曼曼曼曼曼曼曼曼曼曼罡曼曼曼曼曼曼曼皇曼皇蔓曼曼 人工神经网络在中小企业财务分析中的应用 应用数学专业硕士学位申请人黄华 指导教师王建军。副教授 摘要 人工神经网络是一种模仿动物神经网络行为特征，进行分布式并行信息处理的 算法数学模型。它由大量的节点( 或神经元) 和相互间的连接构成，每两个节点问 连接信号的强弱称之为权重。人工神经网络所具有的自学习和自适应能力，是通过 预先提供的一批相互对应的输入输出数据来训练网络，即通过不断地调整节点间的 连接权重，来确定两组数据问的规律，最终根据这些规律，用新的输入数据来推算 输出结果。 在实证分析中，根据分析内容不同，确定常见指标作为网络输入，由输入节点 个数确定隐藏层神经元个数，网络输出均为1 个神经元。分别从w i n d 和清华金融研 究数据库提取所需指标数据，做归一化处理，以机构预测作为网络输出，完成样本 的选定，并代入数据训练网络，用完成训练后的网络对几个新的企业分别做盈利能 力分析、偿债能力分析、运营能力分析和综合财务分析，所得网络输出与机构预测 基本吻合。最后把神经网络做财务分析和以前常用的财务报表分析做了比较，可以 看出人工神经网络在解决财务分析中各因素间繁琐的非线性问题时，优势十分明显。 运用这种方法做财务分析原理简单，操作方便，也更全面，拟合精度高，使分析结 果较简洁，更容易对企业的综合财务状况作出初步判断，同时也避免了工作过程中 的大量计算及主观事务，对企业来说建立该网络不需要花费大量的人力物力财力去 收集数据资料等，并且网络训练好后有较好的泛化能力。在当今这个竞争日益激烈 的时代，该模型具有很大的使用价值，值得推广。 关键词：神经网络实证分析泛化能力 两南大学硕十学何论文 a b s t r a c t a b s t r a c t t h ea r t i f i c i a ln e u r a ln e t w o r k s ( a n n s ) i sam a t h e m a t i c a lm o d e lo fc o m p u t a t i o nw h i c hi m i t a t s a n i m a ln e u r a ln e t w o r kb e h a v i o rc h a r a c t e r i s t i ca n dc a r r i e so nt h ed i s t r i b u t i o n a lp a r a l l e li n f o r m a t i o n p r o c e s s i n g i ti s f o r m e db yt h em a s s i v en o d e s ( o rn e u r o n ) a n dt h ec o n n e c t i o nc o n s t i t u t i o n ，a n dt h e s i g n a lv a l u ed u r i n ge v e r y t w on o d e si sc a l l e d w e i g h t a n n sh a s t h ea b i l i t yo fs e l f - s t u d ya n d s e l f - a d a p t a t i o n i tc a nb et r a i n e db yc o r r e s p o n d e n ti n p u ta n do u t p u td a t a , t h a ti s ，t h r o u g ha d j u s t i n gt h e c o n n e c t i v ew e i g h ta m o n gn o d e st h e nd e t e r m i n i n gt h er u l e sb e t w e e nd a t a f i n a l l yt h en e t w o r k s c a l c u l a t e st h eo u t p u tr e s u l tw i t hn e wd a t ab yu s i n gr u l e sn e w l ya c q u i r e d t h ee m p i r i c a la n a l y s i sf i r s td e t e r m i n et h ec o m m o ni n d i c a t o r sa sn e t w o r k si n p u ta c c o r d i n gt o d i f f e l ：e n ta n a l y s i sc o n t e n t t h e ni td e t e r m i n e st h eq u a n t i t yo fh i d e a w a yl e v e ln e u r o na c c o r d i n gt ot h e a m o u n to fi n p u tn o d e sa n do n en e t w o r k so u t p u ti sc o n s i d e r e da so n en e u r o n t h ep r e s e n ts t u d yg e t si t s i n d i c a t o rd a t af r o mw i n da n dt s i n g h u af i n a n c i a ld a t a a f t e rt h en o r m a l i z a t i o no ft h ed a t a , t h e o r g a n i z a t i o nf o r c a s ti ss e tu pa sn e t w o r ko u t p u t , t h es a m p l e si ss e l e c t e da n dt h ed a t ai si n p u tt of i n i s h t r a i n i n gt h en e t w o r k s t h et r a i n e dn e t w o r k sa r eu s e dt oa n a l y z et h ep r o f i t a b i l i t y , s o l v e n c y , o p e r a t i o n a l c a p a b i l i t ya n dc o m p r e h e n s i v ef i n a n c eo fn e w l y - e s t a b l i s h e de n t e r p r i s e s t h er e s u l to fe x p e r e i m e n t b a s i c a l l ym a t h e st h ef a c t u a lr e s u l t s c o m p a r i n gt h ef i n a n c i a la n a l y s i sr e s u l t so fn e u r a ln e t w o r kw i t h r e s u l t so fp r e v i o u s l yu s e da n a l y s i so ff i n a n c i a ls t a t e m e n t s ，t h ef o r m e ro u t p e r f o r m e dt h el a a e ri ns o l v i n g n o n l i n e a rp r o b l e m sa m o n gv a r i o u sf a c t o r si nt h ef i n a n c i a la n a l y s i s i tm a k e sf i n a n c i a la n a l y s i ss i m p l e r , m o r ec o n v e n i e n t ，m o r eo v e r a l la n dh i g h e rf i t t i n ga c c u r a c y t h ea n a l y s i sr e s u l t sa r em o r eb r i e fa n dh e l p e a s i e rp r e l i m i n a r yj u d g m e n to ne n t e r p r i s e s c o m p r e h e n s i v ef i n a n c i a ls t a t u s i ta l s oa v o i d e st h em a s s i v e c a l c u l a t i o na n ds u b j e c t i v i t yi nt h ew o r k i n gp r o c e s sa n di ts a v e sm o n e ya n dr e s o u r c e st od e a lw i t hd a t a t h i sm o d e li sv a l u a b l ea n dw o r t h yo fp r o m o t i o ni nt h ec o m p e t i t i v es o c i e t y k e y w o r d s ：n e u r a ln e t w o r k e m p i r i c a la n a l y s i sc o m p r e h e n s i v ef i n a n c i a l u 独创性声明 本人提交的学位论文是在导师指导下进行的研究工作及取得的研究 成果。论文中引用他人已经发表或出版过的研究成果，文中己加了特别 标注。对本研究及学位论文撰写曾做出贡献的老师、朋友、同仁在文中 作了明确说明并表示衷心感谢。 学位论文版权使用授权书 本学位论文作者完全了解西南大学有关保留、使用学位论文的规定， 有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文 被查阅和借阅。本人授权西南大学研究生院( 筹) 可以将学位论文的全 部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等 复制手段保存、汇编学位论文。， ( 保密的学位论文在解密后适用本授权书，本论文：日不保密，口 保密期限至年月止) 。 ， 学位论文作者签名：荔彳 导师签名： l 签字日期：7 加步年，口月孑日 签字日期：年月 日 两南大学硕十学何论文第1 章绪论 1 1 前言 第1 章绪论 1 1 1 人工神经网络的定义 人工神经网络( a r t i f i c i a ln e u r a ln e t w o r k s ，a n n ) ，一种模仿动物神经网络行为特 征，进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度，通 过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。人工神经网 络具有自学习和自适应的能力，可以通过预先提供的一批相互对应的输入一输出数 据，分析掌握两者之间潜在的规律，最终根据这些规律，用新的输入数据来推算输 出结果，这种学习分析的过程被称为“训练”。f l 】 人工神经网络具有四个基本特征： ( 1 ) 非线性非线性关系是自然界的普遍特性。大脑的智慧就是一种非线性现 象。人工神经元处于激活或抑制二种不同的状态，这种行为在数学上表现为一种非 线性关系。具有阈值的神经元构成的网络具有更好的性能，可以提高容错性和存储 容量。【2 】 ( 2 ) 非局限性一个神经网络通常由多个神经元广泛连接而成。一个系统的整 体行为不仅取决于单个神经元的特征，而且可能主要由单元之间的相互作用、相互 连接所决定。通过单元之间的大量连接模拟大脑的非局限性。联想记忆是非局限性 的典型例子。1 2 1 ( 3 ) 非常定性人工神经网络具有自适应、自组织、自学习能力。神经网络不 但处理的信息可以有各种变化，而且在处理信息的同时，非线性动力系统本身也在 不断变化。经常采用迭代过程描写动力系统的演化过程。1 2 1 ( 4 ) 非凸性一个系统的演化方向，在一定条件下将取决于某个特定的状态函 数。例如能量函数，它的极值相应于系统比较稳定的状态。非凸性是指这种函数有 多个极值，故系统具有多个较稳定的平衡态，这将导致系统演化的多样性。【2 1 人工神经网络中，神经元处理单元可表示不同的对象，例如特征、字母、概念， 或者一些有意义的抽象模式。网络中处理单元的类型分为三类：输入单元、输出单 两南大学硕十学位论文 第1 章绪论 元和隐单元。输入单元接受外部世界的信号与数据；输出单元实现系统处理结果的 输出；隐单元是处在输入和输出单元之间，不能由系统外部观察的单元。神经元间 的连接权值反映了单元间的连接强度，信息的表示和处理体现在网络处理单元的连 接关系中。人工神经网络是一种非程序化、适应性、大脑风格的信息处理，其本质 是通过网络的变换和动力学行为得到一种并行分布式的信息处理功能，并在不同程 度和层次上模仿人脑神经系统的信息处理功能。它是涉及神经科学、思维科学、人 工智能、计算机科学等多个领域的交叉学科。 人工神经网络是并行分布式系统，采用了与传统人工智能和信息处理技术完全 不同的机理，克服了传统的基于逻辑符号的人工智能在处理直觉、非结构化信息方 面的缺陷，具有自适应、自组织和实时学习的特点。 1 1 2 人工神经网络应用的发展 人工神经网络起源于上世纪四、五十年代，是人工智能( a r t i f i c i a li n t e l l i g e n c e ，a i ) 学科的重要分支，经过几十年的飞速发展，已成为- f 应用十分广泛，涉及神经生 理学、认识科学、数理科学、心理学、信息科学、计算机科学、微电子学等多学科 交叉、综合的前沿学科，并取得了惊人的成就。神经网络特有的非线性适应性信息 处理能力，克服了传统人工智能方法对于直觉，如模式、语音识别、非结构化信息 处理方面的缺陷，使之在神经专家系统、模式识别、智能控制、组合优化、预测等 领域得到成功应用。人工神经网络与其它传统方法相结合，推动了人工智能和信息 处理技术不断发展，特别是近年来，人工神经网络正向模拟人类认知的道路上更加 深入发展，与模糊系统、遗传算法、进化机制等结合，形成计算智能，成为人工智 能的一个重要方向。人工神经网络的应用已经涉及到社会发展的各个领域，且取得 了很大的进展，特别是1 9 8 7 年在圣地亚哥召开了首届国际神经网络大会，国际神经 网络联合会( i n n s ) 宣告成立，这标志着世界范围内掀起神经网络开发研究热潮的开 始。【u 1 1 3 应用人工神经网络做财务分析的优越性 人工神经网络，一种模仿动物神经网络行为特征，进行分布式并行信息处理的 算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连 2 两南大学硕十学位论文第1 章绪论 曼曼曼曼曼皇皇曼曼曼曼曼曼曼曼曼皇皇曼曼曼曼曼曼曼曼舅曼量曼鼍皇曼曼曼曼曼舅t , m 。 i i 鼍曼曼曼曼曼曼曼曼曼曼曼曼曼曼曼曼曼皇曼曼曼曼曼舅曼曼曼曼舅曼蔓 接的关系，从而达到处理信息的目的。人工神经网络具有自学习和自适应的能力， 可以通过预先提供的一批相互对应的输入一输出数据，分析掌握两者之间潜在的规 律，最终根据这些规律，用新的输入数据来推算输出结果。1 2 1 财务分析包括的内容主要有财务状况分析( 财务预警分析) 、获利能力分析、成 本费用分析和所有者权益分析。以财务状况分析( 财务预警分析) 为例，从模式识 别的角度看，财务预警是一模式分类过程：从警兆指标_ 警情指标_ 警度之间的映 射关系来看，财务预警是一函数逼近过程；从警兆指标叶警情指标一警度之间的噪 声与报警准确度处理方式来看，财务预警又是一优化过程。模式识别、函数逼近、 最优化处理都是人工神经网络最擅长的应用领域，因此，运用人工神经网络进行财 务分析是最合适的，也是最有效的。 1 1 4 中小企业在我国市场经济中的地位与作用 现目前对于什么样的企业才算中小企业还没有一个准确的划分标准，例如：美 国把人数在5 0 0 人以下，年销售额不超过3 5 0 万美元的企业划为小企业，但这这样 的企业在我国许多地方就算是大企业了。尽管对于中小企业的划分标准不统一，但 它确是一个国家经济的底座，是国民经济的“基础”。美国、欧盟、法国和日本等国 家中，中小企业的数量占企业总数的9 8 以上，就业人数占到了6 5 8 0 不等，g d p 和产值分别占4 0 6 0 和5 0 6 5 。截止2 0 0 8 年1 0 月，改革开放的3 0 年中我国 的中小企业已达4 2 0 0 多力家，占全国企业总数的9 9 。8 ，中小企业创造的产品与 服务价值、出口总额和上缴税收，分别占全国的5 8 、6 8 。3 和5 0 。2 ，发明专 利占全国的6 0 ，新产品的研发超过全国的8 0 以上，提供了城镇人口7 5 以上的 就业机会。中小企业已成为我国国民经济和社会发展的重要力量，是经济发展的推 进器和政治社会的稳定器，只有中小企业的广泛发展，才能实现经济、社会的充分 发展。【4 】 1 1 5 我国中小企业的现状 中小企业是国民经济的重要组成部分，对经济发展和社会稳定起着举足轻重的 作用。但是目前研究表明，我国中小企业的平均寿命只有一年。在所有市场主体参 与的市场竞争中，力量薄弱的中小企业所面临的风险，最后都表现在财务领域，随 时可能发生财务危机。由于中小企业特殊的经营方式，其财务管理的问题主要体现 两南大学硕十学何论文第1 章绪论 在一下四个方面：一、融资渠道严重不畅，资金严重不足。银行为了减少放贷风险， 降低放贷成本，不愿意贷款给经营规模小、信用等级低、资信相对较差、信息不透 明、经营业绩不稳定的中小企业；另一方面，中小企业融资时间急、频率高、金额 小的特点与银行繁杂的贷款手续不相适应，往往是贷款到位，商机已过。二、会计 基础工作薄弱，财会人员素质偏低。中小企业普遍存在着会计机构设置不健全，会 计人员配备不合理的问题，忽视了会计工作在企业财务管理中的作用。中小企业大 多数财会人员都没有经过专门化、系统化的知识教育，没有会计专业技术职称。三、 内部财务管理信息化建设落后，难以应用科学而又有效的财务分析工具。我国绝大 多数中小企业还是局限于传统模式下的核算体系，电脑只是办公室的时髦摆设，并 不会运用财务软件及建立自己的微机网络。不会将各项业务事前取得的信息进行比 较，做出正确的决策和预测，将隐患消灭。另外，中小企业由于内部和外部的各种 限制而难于采用科学有效的分析工具进行财务管理，其原因有：其一，中小企业的 管理资源匮乏，经营者未受过良好的专业训练不能使用科学的决策分析工具；其二， 由于中小企业的组织机构简单和管理行为分界不清，经营者穷于应付同常事务而没 有充足的时间运用分析技术，企业采甩简单的分析被认为是理性的经济行为：其三， 技术分析成本过高；其四，中小企业关心的首要问题是生存，重视近期而不是中长 期财务状况。 1 2 财务分析的意义及常用方法 1 2 1 财务分析的意义 中小企业是国民经济的重要组成部分，在我国经济发展中具有极其重要的地位， 为保持我国国民经济持续快发发展做出了重要贡献。然而，我国中小企业在企业运 营和发展中面临不少问题，尤其是财务管理、财务分析方面问题非常严重。特别是 2 0 世纪9 0 年代以来，我国经济进一步融入世界经济大潮之中，这一快速变化的趋势 对企业财务管理的方方面面都产生了巨大的影响，也使之面临着巨大的挑战。财务 管理工作更具综合性、复杂性、敏感性和动态性。财务分析作为企业财务管理活动 中最重要的方面，也是企业经济活动分析的重要组成部分。加强财务分析，对于加 强企业财务管理，提高企业经营管理水平，创造更多经济价值和更好的社会价值都 具有十分重要的意义。【5 】 4 两南大学硕十学何论文 第1 罩绪论 企业财务分析就是以财务报表和其他资料为依据和起点，采用专门方法，系统 分析和评价企业的财务状况、经营成果和现金流量状况的过程。其目的是评价过去 的经营业绩，衡量现在的财务状况，预测未来的发展趋势。 财务分析的最终目的在于全面地、准确地、客观地揭示与披露企业财务状况和 经营情况，并借以对企业经济效益优劣作出合理的评价。显然，要达到这样一个分 析目的，仅仅只测算几个简单的、孤立的财务比率，或者将一些孤立的财务分析指 标堆垒一起，彼此毫无联系地考察，是不可能得出合理、正确的综合性结论的，有 时甚至会得出错误的结论。因此，只有将企业偿债能力、营运能力、盈利能力，以 及发展趋势等各项分析指标有机地联系起来，作为一套完整的体系，相互配合使用， 作出系统地综合评价，才能从总体意义上把握企业财务状况和经营情况的优劣。用 相互联系的观点对企业经济活动进行总体评价是财务分析的一项重要任务。对企业 财务状况和经营成果的研究，决不可孤立地进行，因为经济现象都要受因果依存关 系的制约，财务综合分析能揭示有关数据及其指标之间的横向联系与纵向联系，从 而对企业经济活动总体的变化规律作出本质的描述。在财务分析过程中，作为研究 客体的财务指标，称之为成果指标，而作为评价成果指标特性的指标，称之为因素 指标。可见，财务分析就是运用一系列专门方法从成果指标体系过渡到因素指标体 系，并揭示因素指标变动对成果指标特性的规定性。研究和认识企业财务活动过程， 既要求利用分析，也要求利用综合。因素分析与综合分析在分析过程中联成统一体。 因此，从一定意义上说，财务分析方法是用于研究企业经济活动及其结果的辩证法。 一方面通过因素分析剖析财务能力指标体系：另一方面通过综合分析对财务能力指 标和企业财务状况进行总体性研究和评价。财务综合分析的意义在于能够全面、正 确地评价企业的财务状况和经营成果，因为局部不能代替整体，某项指标的好坏不 能说明整个企业经济效益的高低。除此之外，财务综合分析的结果在进行企业不同 时期比较分析和不同企业之间比较分析时消除了时间上和空间上的差异，使之更具 有可比性，有利于总结经验、吸取教训、发现差距、赶超先进。进而，从整体上、 本质上反映和把握企业生产经营的财务状况和经营成果。是企业贯彻执行国家有关 政策，遵纪守法，增收节支，改善经营管理的重要保证；是评价财务状况、衡量经 济业绩的重要依据；是挖掘潜力、改进工作、实现理财目标的重要手段；是财务计 划的编制和执行的重要前提。它为企业的投资者、债权人、经营者及其他关心企业 两南大学硕十学 _ 奇= 论文第1 章绪论 的组织或个人了解企业过去、评价企业现状、预测企业未来，做出正确决策提供准 确的信息或依据。 1 2 2 财务分析的基本方法 1 2 2 1 财务分析的目的 财务分析是指以企业财务报告反映的财务指标为主要依据，采用专门方法，对 企业过去的财务状况和经营成果及未来前景所进行的剖析和评价 4 1 。不同的分析者 进行财务分析的目标各有不同。 1 企业经营管理人员进行分析的目的 企业的经营者主要指受所有者委托对企业法人财产进行经营管理的企业管理当 局( 包括董事会和总经理阶层) ，及其下属各分厂、部门、车间等的中层管理人员。 他们所承担的经营管理责任需要他们全面分析企业财务报表，故他们进行财务分析 的目的也是综合的、多方面的。首先，从对企业所有者负责的角度，他们也关心盈 利能力，但这只是他们的总体目标：在分析过程中，他们关心的不仅仅是盈利结果 的多少，而更在于盈利的原因及过程，即要进行资产结构分析、营运状况与效率分 析、经营风险与财务风险分析、支付能力与偿债能力分析以及企业发展前景预测等。 通过这种分析，其目的是及时发现生产经营中存在的问题与不足，并采取有效措施 解决这些问题，以充分利用有限的资源，不断提高管理水平，使企业不仅能用现有 资源盈利更多，而且要使企业的这种盈利能力保持稳定持续的增长。 2 企业投资者进行分析的目的 投资者既包括企业现有的出资者，也包括资本市场上潜在的投资者，他们进行 财务分析的最根本目的是衡量企业的盈利能力状况，因为盈利能力是保证其投入资 本的保值与增值的关键所在。但是投资者不会仅关心当前的盈利能力，尤其对那些 意欲长期投资、拥有股份较多的投资者而言，为了确保其资本保值增值的长远利益， 他们还要研究企业的权益结构、支付能力及营运状况等。只有投资者认为企业有着 良好的发展前景，企业的所有者才会保持或增加投资，潜在投资者也才会踊跃地把 大量资金放心地投入该企业；否则，企业所有者将会尽可能的抛售股权、收回投资， 潜在投资者也不会选择该企业作为投资对象。另外，对企业所有者而言，财务报表 6 两南人学硕十学何论文 第1 章绪论 1 分析也可以评价企业经营者的经营业绩，发现经营过程中存在的问题，从而通过行 使股东权力，及时纠正偏差，为企业未来发展指明方向。 3 企业债权人进行分析的目的 企业债权人包括贷款给企业的银行、其他金融机构或企业，以及购买企业债券 的单位与个人等。债权人进行财务分析的目的与投资者、经营者都有所不同，其分 析的重点是企业长、短期偿债能力，并会从正反两方面对企业进行考察。银行等债 权人一方面从各自经营或收益的目的出发，愿意将资金贷给某企业，另一方面又要 非常谨慎地观察和分析该企业有无违约或破产清算的可能性，考虑企业拖欠或破产 的不良后果。一般地说，银行等金融机构与其他债权人不仅要求本金的及时收回， 而且要得到相应的报酬或收益，而这个收益的大小又与其承担的风险程度相适应， 通常偿还期越长，风险越大，所要求的收益也就越高。因此，从债权人角度进行财 务报表分析的主要目的，一是看其对企业的借款或其他债权是否能及时、足额的收 回，即研究企业偿债能力的大小；二是看其收益状况与风险程度是否能相适应，为 此，还应将偿债能力分析与盈利能力分析相结合，由此制定出是否借款以及对该企 业借款额度、付款条件、利率水平、保障条款等的决策。 1 2 2 2 财务分析的基本方法 1 、比较分析法 也称为对比分析法，是通过两个或两个以上相关指标进行对比，确定数量差异， 揭示企业财务状况和经营成果的一种分析方法。【5 l 2 、比率分析法 广义的看，凡是由两个绝对数相比较得出的相对数字都可称作比率，但是财务 分析中的比率分析却是有其特定范围的：在企业财务报表的特定账户或项目之间存 在着逻辑关系( 这种有内在关系的账户可能显示于同一张报表，也可能存在于两张 不同的报表) ，比率分析就是要用比率将这种逻辑关系以相对的形式表现出来，通过 有关数字来揭示评价企业各个方面的财务状况和经营状况。【5 j 由于财务分析目的不同、角度不同，比率分析法中的比率有许多表示形式、种 类也较多。不过，一般常用的重要比率可大致归纳为四类，即变现能力比率、长期 偿债比率、资产管理比率和盈利能力比率。 两南火学硕十学位论文第1 幸绪论 根据分析目的和要求的不同比率分析主要有以下三种：结构比率( 构成比例) 、 效率比率、相关比率。 3 、趋势分析法 趋势分析法是指利用财务报表提供的数据资料，将各期实际与历史指标进行定 基对比或环基对比，揭示企业财务状况和经营成果变化趋势的一种分析方法。其运 用主要有：用项目金额、百分比进行比较分析。 5 1 4 、因素分析法 因素分析法是对某项综合指标的变动原因按其内在的因素，计算和确定各个因 素对这一综合指标发生变化的影响程度。它具体又可以分为连环替代法和差额分析 法两种。【5 】 1 2 3 财务分析的内容 1 、偿债能力分析 偿债能力可分为短期偿债能力和长期偿债能力两种。 短期偿债能力分析常用财务指标有流动比率、速动比率、现金比率、流动负债 经营活动净现金流比。一般认为流动比率为2 ：l 比较适宜。速动比率越高，企业短 期偿债能力就越强，速动比率等于1 是合理的、安全的。1 5 长期偿债能力是指企业偿还长期负债的能力，它不仅取决于企业在长期内的盈 利能力，也受到企业资本结构的重大影响。它侧重于对资本结构的分析，即企业资 产对其债务的保程度的分析。主要财务指标有：资产负债率、产权比率、有形净值 债务率、已获利息倍数、现金债务总额比等。 资产负债率这一指标对于不同的分析主体来说有不同的期望值。( 1 ) 债权人最关 心的是贷给企业的款项的安全程度，也就是能否按期收回本金和利息。( 2 ) 股东所关 心的是全部资本利润率是否超过借人款项的利率( 即借入资本的代价) 。( 3 ) 经营者的 立场看，如果举债很大，超过债权人心理承受程度，则被认为是不保险的，企业就借不到 钱。 无论哪个分析主体，都不能单纯地依据资产负债率做出过高或过低的结论，还应 通过不同时期指标对比，报告期与本公司的标准值对比，与行业平均值以及全国、本地 8 两南大学硕十学何论文第1 章绪论 区平均值对比，以分析本企业长期偿债能力的差距。 负债与股东权益比率，又称产权比率，产权比率也称债务股权比，是负债总额 与股东权益总额的比值，其计算公式是：【5 】 产权比率= 篡器1 0 。 ( 1 - 1 ) 其中的股东权益也就是所有者权益。 产权比率由借入资本与股东资本的相对关系来反映企业基本财务结构的稳定 性，一般来说后者大于前者为好，但也要参考经营环境、经营状况等，对具体情况 进行具体分析。同时也能表明债权人投入资本受股东权益的保障程度，因为公司 法规定企业清算时，债权人索偿权优先于投资者。 影响企业长期偿债能力的其他因素还有：长期资产与长期负债比率、固定资产 与长期负债比率、自有资金固定资产率、长期负债与营运资金比率、以及财务杠杆 系数等。 2 、营运能力分析 营运能力，即资产管理能力，其比率是用来衡量企业在资产管理和使用方面的 效率的财务比率，主要包括各项资产的周转指标，用于评价企业营运效率。主要指 标有：流动资产周转率、存货周转率、应收账款周转率、固定资产周转率、总资产 周转率等。【5 l 3 、盈利能力分析 盈利能力是指企业正常经营赚取利润的能力，或者说是企业资金增值的能力， 是企业生存发展的基础，是各方面都非常关注的指标。主要包括：销售毛利率、 销售净利率、销售现金比率、资产净利率、净值报酬率、营业活动收益质量等指标。 证券市场上的投资者，对上市公司披露的财务信息，要正确使用相关的财务比率， 才能正确把握企业的财务现状和未来。上市公司比较重要的财务指标有：每股收益、 市盈率、股利保障系数、股利支付率、每股净资产、净资产收益率、每股营业现金 流量、每股股利、股票获利率、留存赢利比率、市价与面值i ：i ：( m b ) 等。 4 、财务状况综合分析 在进行财务分析时，分析者不能准确判断各项财务比率实际值的高低优劣。为 9 两南人学硕十学何论文 第1 章绪论 了评价企业在市场竞争中的地位，1 9 9 5 年财政部颁布了一套经济效益评价指标体系， 主要包括1 0 项，分成四类，1 到4 项为获利能力指标，5 、6 项为偿债能力指标，7 、 8 项为营运能力指标，9 、1 0 项为社会贡献指标。1 4 1 另外，沃尔提出了信用能力指数概念，将流动比例、产权比例、存货周转率等 七项指标用线性关系结合起来，并分别赋予各自的分数比重，然后通过与标准比率 进行比较，确定各项指标的得分及总体指标的累积分数，从而对企业的信用水平作 出评价。 s l 不同的人做财务分析的目的不同，但是一般的投资者或者地方政府可没有这样 的专业知识或者精力去分别做各个方面的财务分析，这就需要有一个简单的、可行 的方法，能直接通过一个数据看企业财务总体状况，但财务分析中的盈利能力、偿 债能力和运营能力这些关系到财务总体状况，却又非线性关系，为此我们采用人工 神经网络的方法来解决，有自己独到的优势。 l o 两南大学硕十学4 _ 7 ：论文 第2 章人t 神经网络的摹本原理及方法 第2 章人工神经网络的基本原理及方法 2 1 人工神经网络的发展过程 1 8 9 0 年，美国心理学家w i l l i a mj a m e s 发表了第一部详细论述人脑结构及功能 的专著心理学原理( p r i n c i p l e so f p s y c h o l o g y ) ，对相关学习、联想记忆的基本原 理做了开创性研究。半个世纪后，生理学家w s m c c u l l o c h 和数学家w a p i t t s 与 1 9 4 3 年发表了一篇神经网络方面的著名文章。其中指出，在已知的神经细胞生物学 基础上从信息处理的角度出发，提出形成神经元的数学模型，称为m p 模型。任何 有限逻辑表达式都能有m p 模型组成的人工神经网络实现，因此，m p 模型被认为 开创了神经科学理论研究的新时代。【l 】 另一位重要学者便是心理学家d o n a l ao h e b b ，他在1 9 4 9 年出版了一本叫行 为构成( o r g a n i z a t i o no fb e h a v i o r ) 的书。在该书首先建立了人们现在称为h e b b 算法的连接权训练算法，其核心内容便是如果源和目的神经元均被激活。他们之间 的连接也会得到增强。 1 9 5 8 年计算机学家f r a n kr o s e n b l a t t 发表了另一篇著名文章，提出了一种具有 三层网络特性的神经网络结构，称为“感知器”( p e r c e p t r o n ) 。这一神经网络用i b m 7 0 4 计算机模拟实现。从模拟结果得出，感知器具有学习改变连接权值，将类似的或不 同的模式进行正确的分类的能力，因此被称为“学习的机器”。另两位重要代表人物 是b e r n a r dw i d r o w 和m a r c i a nh o f f 1 9 6 0 年他们发表了“自适应开关电路”( a d a p t i v e s w i t c h i n gc i r c u i t s ) 的文章。他们不仅设计出了在计算机上仿真的人工神经网络， 并且用硬件电路实现了他们的设计。【” 1 9 6 9 年，m m i n s k y 和s p a p e r t 对以感知器为代表的网络系统的功能和局限性 在数学上做了深入系统地研究，并发表了轰动一时的评论人工网络的书感知器。 该书认为：简单的神经网络只能运用于线性问题的求解，能够求解非线性问题的网 络应具有隐层，而从理论上还不能证明感知器模型扩展到多层网络是有意义的。由 于m m i n s k y 在学术界的地位和影响，悲观论点极大的影响了神经网络的研究。而 另一个使神经网络陷入低潮更重要的原因是，2 0 世纪7 0 年代以来集成电路和微电 两南大学硕十学何论文第2 章人t 神经网络的荩本原理及方法 子技术的迅猛发展，使基于逻辑符号处理方法的人工智能取得显著成就，他们的问 题和局限性尚未暴露，暂时掩饰了寻求新神经网络的必要性和迫切性。但是在这种 低沉的气氛中，仍然有三篇文章引起了关注神经网络的人们的注意。1 9 6 9 年，美国 波士顿大学的s g r o s s b e r g 教授和他的夫人g a c a r p e n t e r 提出了自适应共振理论： 若在全部神经节点中有一个特别兴奋，那么其周围的节点将受到抑制。1 9 7 2 年芬兰 的t k o h o n e n 教授和美国的神经生理学家和心理学家j a n d e r s o n 异地发表了类似的 神经网络开发结果。前者提出了自组织映射( s o m ) 理论，并称其神经网络结构为 “自联想储存器”( a s s o c i a t i v em e m o r y ) ，后者提出了一个类似的神经网络“交互存储 器”( i n t e r a c t i v em e m o r y ) 。后来的神经网络主要根据z k o h o n e n 的工作来实现的， 因为s o m 模型是一类非常重要的无导师学习网络，主要用于模式识别，语音识别， 分类等重要场合。而1 9 8 0 年由日本的k u n i h i k of u k u s h i m a 发表的“新认知机” ( n e o c o g n i t r o n ) 是当时最重要的成果之一，它使自组织的无指导训练，变成了采 用有指导的训练。k u n i h i k of u k u s h i m a 的神经认知机能正确识别手写的0 - 9 十个数 字，包括样本模式变形，不完全的样本模式和受噪声干扰的样本模式。 1 1 1 9 8 2 年，美国加州理工大学的优秀物理学家j o h nj h o p f i e l d 博士发表了一篇 对神经网络研究复苏起重要作用的文章，总结和吸取了前人的结果与经验，将各种 结构和算法概括起来，塑造了一个新颖的强有力的网络模型，称为h o p f i e l d 网络。 他首先将l y a p u n o v 能量函数引入网络训练这一动态系统中，他指出：对己知的网 络状态存在一个正比于每个神经元的活动值和神经元之间的连接权的能量函数，活 动值的改变量向能量函数减小的方向进行，直到达到一个最小值。g e h i n t o n 和 t j s e j n o w s k i 在h o p f i e l d 网络的基础上借助统计物理学的概念和方法提出了一种随 机神经网络模型玻尔兹曼( b l o t z m a n n ) 机，其学习过程采用模拟退火技术，有效 的克服了h o p f i e l d 网络的能量局部极小问题。在1 9 8 6 年贝尔实验室制成神经网络 芯片前不久，美国的d a v i de r u m e l h a r t 和j a m e sl m c c e l l a n d 及其领导的小组发表 了并行分布式处理( p a r a l l e ld i s t r i b u t e dp r o c e s s ! n g ，简称p d p ) 一书的前两卷，接 着在1 9 8 8 年发布了带有软件程序的第三卷。书中涉及到神经网络的三个主要特征， 即结构、神经元的传递函数和它的学习训练方法，并且发展了多层感知机的反向传 播训练算法，把学习的结果反馈到中间层次的隐层，改变其连接权值，以达到学习 1 2 两南大学硕+ 学何论文第2 章人t 神经网络的基本原理及方法 的目的。该算法己成为当今影响最大的一种网络学习方法。【l 】 随着神经网络发展进入到新时期，1 9 8 7 年6 月，首次国际神经网络学术会议在 美国圣地亚哥举行，并成立了国际神经网络学会( i n t e r n a t i o n a ln e u r a ln e t w o r k s o c i e t y , 简称i n n s ) ，于1 9 8 8 年在美国波士顿召开的年会，更是涉及到数学，生物， 电子，计算机，物理，控制，信号处理及人工智能等各个领域，自1 9 8 8 年起i s s n 和国际电气工程师和电子工程师学会( i e e e ) 联合召开国际学术会议。这次会议不 久，世界第一份神经网络杂志( ( n e u r a ln e t w o r k 也随之诞生。从现在的发展来看， 神经网络将会演变成一个永久的数学t 程工具。i l l 2 2 神经网络结构与基本原理 2 2 1 神经元模型 神经元是人工神经元网络的基本处理单元，它一般是一个多输入单输出非线 性器件。其结构模型如图1 所示： x l x 2 ： x ， y 、- - 图1 神经元结构模型 图中( x 。，x ：，x 。) 7 为输入矢量，y ，为输出；( w 。，w 2 ，) r 表示输入到输出的连接 权值，矽为阈值；s i 为外部输入。一般输入与输出之间的关系可表示为： m = ( 盯)其中盯= e w i x 。+ b ( 2 - 1 ) 式中厂( 盯) 为一激发函数，它通常取下y 0 - - 种形式： ( 1 ) 阈值型。即f 为一阶跃函数，如图2 ( a ) 所示。其表达式为： 加，= 拈暑三暑 亿2 ， 这也是最早提出的二值离散型神经元模型。 两南火学硕十学何论文第2 章人一1 ：神经网络的基本原理及方法 ( 2 ) 分段线性型。如图2 ( b ) 所示。 ( 3 ) s 状。这种激发函数一般取连续值，常用对数或正切等s 状曲线。如最常用 的厂( 仃) 2 再古也叫s i g m 。i d 函数，这类曲线反映了神经元的饱和特性，如图2 ( c ) 所示。 ( 口)( b ) 图2 厂( 仃) 的类型 厂( 仃) 厂 一一 2 2 2 神经元的连接形式 一个神经网络是由多个神经元相互连接而成的，它们的连接有以下4 种形式： ( 1 ) 不含反馈的前向网络。如图3 所示，神经元分层丰l l d u ，由输入层、隐层( 中间 层) 和输出层组成，每一层的神经元只接受前一层的输入，输入模式经过各层的顺序 变换后，得到输出层的输出，其中隐层可以是多层。 图3 不含反馈前向网络 ( 2 ) 有反馈的前行网络。如图4 所示，这种神经网络可以将输出层直接反馈到 输入层。 图4 有反馈前向网络 1 4 等一 两南大学硕十学何论文 第2 章人t 神经网络的摹本原理及方法 ( 3 ) 层内相互结合的前向网络。如图5 ，同一层内的神经元之间的相互制约， 以实现同一层内的横向控制。 图5 层内相互结合的前向网络 ( 4 ) 层内相互结合型网络。如图6 所示，这种网络是在任意两神经元之间都可 以互连。输入信号经过这种网络时，要经过多次往返传递，网络经过若干次变化才 能达到某种平衡状态。 2 2 3 学习规则 图6 层内相互结合型网络 对于神经网络具有首要意义的性质是网络能从环境中学习的能力，并通过学习 改善其行为。这种能力是通过修改神经网络的权值和偏值的方法实现的，修改的过程 是网络的训练算法，而修改的规程称为学习规则。神经网络中，各神经元的结构虽然 相同，但是激发函数f ( o - ) 的不同以及学习规则的不同，神经网络的学习规则可以粗 略分成3 类，这些类别分别如下： 第一类学习规则称相关学习规则。这种规则只根据连接问的激活水平改变权系 数。常用于自联想网络，如h o p f i e l d 网络。 第二类学习规则称纠错学习规则。这种规则根据输出节点的外部反馈改变权系 数。在方法上它和梯度下降法等效，按局部改善最大的方向一步步进行优化，从而最 终找到全局优化值。感知器学习就采用这种纠错学习规则例如b p 算法。 两南大学硕十学位论文 第2 章人下神经网络的基本原理