神经网络在财务的应用

1、o神经网络系统是由大量的、同时也是很 简单的处理单元( 或称神经元) 广泛的 相互连接而形成的复杂网络系统,在研 究方法上强调综合而非分解。一般认为 , 神经网络系统是一个高度复杂的非线 性动力学系统, 除了具备非线性系统共 性以外, 更主要的是具备其自身的特点 , 即高维性、神经元之间的广泛互连性 、自适应性、自组织性等等。 o至今为止, 学者们已经提出了多种神经 网络模型, 如自适应共振理论模型(ART ) 、雪崩模型( AVA) 、反向传播模型 (BP, 一种多层结构的映射网络, 是目 前应用最广泛的一种神经网络模型之一 ) 、重复传播模型(CPN) 、感知机模型 (PTR) 、自组织映

2、射模型(SOM) 等等 o在财务管理理论方面,应用神经网络的典型例子 有: IPOs( Jain 和Nag, 1995) 以及IPO 定价 、衍生证券的定价与保值(Hutchinson, Lo 和 Poggio, 1994) , 预测银行破产( Tam 和 Kiang, 1992) , 证券评级(Dudda 和Shekhar , 1988) , 对人工神经网络绩效进行比较判别分 析(Yoon, Swales 和 Margavio, 1993) , 破产 预测(Fletcher 和Goss, 1993) 等等9 。简 而言之, 该方法逐渐产生的普遍适应性归结于 其模式识别( patternr e

3、cognition) 的基本技 术。 o神经网络的预测功能使得其首先应用于财务危机预警 o将T-i年的财务指标输入模型进行训练，提取样本特征； o现有文献的研究一般认为神经网络的预测正确率更好 o在财务危机预警的基础上，相关论文仍然借鉴了神经网络 在判别和预测上的功用 o基于BP神经网络的上市公司审计意见预测模型财 会月刊 o文章将审计意见分为标准和非标准，基于BP神经网络对审 计意见进行预测，并认为神经网络具有较好的预测效果 o输出层阈值由网络训练自行确定，对网络隐含层神经元的 数目通过试错法，通过不断的尝试增加神经元的数目来提 高网络的收敛速度和拟合能力，直到网络的收敛速度达到 最快，网络

4、输出误差满足要求为止。通常确定隐含层神经 元数目所使用的经验公式为：（2p1+p2）1/2p32p1+1， 其中：p1 为输入节点数，p2 为输出节点数，p3 为隐含层 的神经元数目。 多层BP神经网络模型 可以实现任意可实现的 线性和非线性函数的映 射,克服了Logistic回归 模型要求变量个数尽可 能简约及变量相互独立 的局限性, 解决了现金 流类指标具有高度相关 性及非线性性的问题, 因而, 更适合作为企业 组织循环效率的评价模 型。 o基于BP 神经网络的公允价值有用性评 价中国管理信息化 o公允价值在上市公司的财务报表开始启用， 文章利用问卷调查，选取样本对公允价值的 相关性和可靠

5、性进行评价。借助BP 神经网 络工具对搜集的公允价值的相关性和可靠性 评分进行训练，得到各样本的综合结果 o基于神经网络的企业可持续发展力 评价 o建立一个包含7个因子的可持续发展能 力评价指标体系，基于BP 神经网络建 立企业可持续发展力评价模型 o企业资本结构及其影响因素的关系 研究系统工程 o应用神经网络和多元线性回归模型， 比较两个模型的SSE指标和Theils “U”系数 o神经网络对于财务数据的处理也是一 个新的研究方法和工具 o作者提出结构方程等也可以提供新的 思路 o权证定价的BP神经网络方法统 计与决策 o文章采用BP和径向基函数以及传统BS模 型预测三只权证的价格，使用平均误差， 均方误差和平均绝对误差进行模型评价 o发现神经网络比传统定价模型更优，而 BP神经网络预测结果不唯一，RBF预测 效果较好 o基于BP神经网络的大非减持影响因 素实证分析以深交所上市公司 为例软科学 o采用神经网络对大股东减持的12个影 响因素，通过层次贡献分析 ,确定各 输入变量对输出变量解释能力的强弱 o采用遗传算法搜索一个最优的隐藏层 结构 多层BP神经网络模型 可以实现任意可实现的 线性和非线性函数的映 射,克服了Log