神經(jīng)網(wǎng)絡在財務的應用.ppt

1、神經(jīng)網(wǎng)絡 (Neural Network，NNet) BP算法基本步驟 神經(jīng)網(wǎng)絡在財務方面的應用 神經(jīng)網(wǎng)絡研究方向,主要內(nèi)容,神經(jīng)網(wǎng)絡(Neural network，NNet),是人工智能中研究比較成熟的技術(shù)。 神經(jīng)網(wǎng)絡最早是由心理學家和神經(jīng)生物學家提出的，旨在尋求和測試神經(jīng)的計算模擬。 神經(jīng)網(wǎng)絡是一組連接的輸入/輸出單元，其中每個連接都與一個權(quán)值相連。在學習階段，通過不斷調(diào)整神經(jīng)網(wǎng)絡的相連權(quán)值，使得能夠正確預測輸入樣本的正確類標號。,神經(jīng)網(wǎng)絡系統(tǒng)是由大量的、同時也是很簡單的處理單元( 或稱神經(jīng)元) 廣泛的相互連接而形成的復雜網(wǎng)絡系統(tǒng),在研究方法上強調(diào)綜合而非分解。一般認為, 神經(jīng)網(wǎng)絡系統(tǒng)是一

2、個高度復雜的非線性動力學系統(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, 即高維性、神經(jīng)元之間的廣泛互連性、自適應性、自組織性等等。,NNet,神經(jīng)網(wǎng)絡通常由輸入層、輸出層和隱藏層組成，輸入層的神經(jīng)元個數(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)元個數(shù)等于樣本的類別數(shù)。 特點：對噪聲數(shù)據(jù)具有較高的承受能力，但訓練需要花費較長的時間。,至今為止, 學者們已經(jīng)提出了多種神經(jīng)網(wǎng)絡模型, 如自適應共振理論模型(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, 是目前應用最廣泛的一種神經(jīng)網(wǎng)絡模型之一) 、重復傳播模型(CPN) 、感知機模型(

3、PTR) 、自組織映射模型(SOM) 等等,NNet,目前最流行的神經(jīng)網(wǎng)絡學習算法是：后向傳播算法（Back-propagation, BP）。 它通過迭代地處理一組訓練樣本，將每個樣本的網(wǎng)絡預測與實際知道的類標號比較，進行學習。對于每個訓練樣本，修改連接權(quán)值，使得網(wǎng)絡預測與實際類之間的均方誤差最小。 這種修改“后向”地進行,即由輸出層，經(jīng)由每個隱藏層，到第一個隱藏層。,BP算法基本步驟,1初始化網(wǎng)絡各層的權(quán)值及神經(jīng)元閾值。（一個小的隨機數(shù)） 2. 向前傳播輸入：對每一樣本，計算隱藏層和輸出層每個單元的凈輸入和輸出。,BP算法基本步驟,3. 后向傳播誤差 通過更新權(quán)值和偏置以反映網(wǎng)絡的預測誤差

4、。,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 超過預先指定的訓練周期（實踐中，權(quán)收斂可能需要數(shù)十萬個周期）,神經(jīng)網(wǎng)絡在財務方向的應用,在財務管理理論方面,應用神經(jīng)網(wǎng)絡的典型例子有: IPOs( Jain 和Nag, 1995) 以及IPO 定價、衍生證券的定價與保值(Hutchinson, Lo 和Poggio, 1994) , 預測銀行破產(chǎn)( Tam 和Kiang, 1992) , 證券評級(Dudda 和Shekhar , 1988) , 對人工神經(jīng)網(wǎng)絡績效進行比較判別分析(Yoon, Swales 和 Margavio, 1993) , 破產(chǎn)預測(Fletcher

5、 和Goss, 1993) 等等9 。簡而言之, 該方法逐漸產(chǎn)生的普遍適應性歸結(jié)于其模式識別( patternr ecognition) 的基本技術(shù)。,神經(jīng)網(wǎng)絡在財務方向的應用,神經(jīng)網(wǎng)絡的預測功能使得其首先應用于財務危機預警 將T-i年的財務指標輸入模型進行訓練，提取樣本特征；首先將ST公司和非ST以及各自對應的財務比率輸入神經(jīng)網(wǎng)絡， 神經(jīng)網(wǎng)絡能夠接收這些財務比率的特征，并將其作為輸入單元，通過特定的權(quán)值，連接到輸出單元，也就是通過這些財務比率進行分類。神經(jīng)網(wǎng)絡的訓練就是調(diào)整權(quán)值，使其變大或變小，以達到更高的分類準確性。所以神經(jīng)網(wǎng)絡模型需要經(jīng)過反復的訓練，花費時間較長。神經(jīng)網(wǎng)絡的訓練結(jié)果就是財

6、務比率對分類結(jié)果的重要性，也就是哪些財務比率能夠顯著區(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)絡去預測其他公司的分類。本文將展示神經(jīng)網(wǎng)絡在財務預警分析中的分類能力，我們可以看到神經(jīng)網(wǎng)絡模型在數(shù)據(jù)分類挖掘中的確具有較高的精度。 現(xiàn)有文獻的研究一般認為神經(jīng)網(wǎng)絡的預測正確率更好,神經(jīng)網(wǎng)絡在財務方向的應用,神經(jīng)網(wǎng)絡模型從本質(zhì)上來說, 是通過所給出的一系列輸入變量( 獨立變量) 對輸出變量的系統(tǒng)的模式識別方法, 該方法獨立于數(shù)據(jù)的生成過程。進一步來說, 神經(jīng)網(wǎng)絡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) 或是具有強相關(guān)性的。神經(jīng)網(wǎng)絡模型的這

7、些優(yōu)勢是經(jīng)典線性統(tǒng)計方法( 以多元線性回歸模型為代表) 所不具備的。因此，現(xiàn)在也逐漸應用到財務數(shù)據(jù)的分析和挖掘上。,神經(jīng)網(wǎng)絡在財務方向的應用,Clementine中的神經(jīng)網(wǎng)絡,神經(jīng)網(wǎng)絡在財務方向的應用,在財務危機預警的基礎(chǔ)上，相關(guān)論文仍然借鑒了神經(jīng)網(wǎng)絡在判別和預測上的功用 基于BP神經(jīng)網(wǎng)絡的上市公司審計意見預測模型財會月刊 文章將審計意見分為標準和非標準，基于BP神經(jīng)網(wǎng)絡對審計意見進行預測，并認為神經(jīng)網(wǎng)絡具有較好的預測效果 輸出層閾值由網(wǎng)絡訓練自行確定，對網(wǎng)絡隱含層神經(jīng)元的數(shù)目通過試錯法，通過不斷的嘗試增加神經(jīng)元的數(shù)目來提高網(wǎng)絡的收斂速度和擬合能力，直到網(wǎng)絡的收斂速度達到最快，網(wǎng)絡輸出誤差滿足

8、要求為止。通常確定隱含層神經(jīng)元數(shù)目所使用的經(jīng)驗公式為：（2p1+p2）1/2p32p1+1，其中：p1 為輸入節(jié)點數(shù)，p2 為輸出節(jié)點數(shù)，p3 為隱含層的神經(jīng)元數(shù)目。,神經(jīng)網(wǎng)絡在財務方向的應用,基于現(xiàn)金流信息結(jié)構(gòu)的企業(yè)組織循環(huán)效率評價的神經(jīng)網(wǎng)絡模型會計研究 提出對企業(yè)組織循環(huán)效率具有顯著表征能力的現(xiàn)金流類財務指標, 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)效率評價的神經(jīng)網(wǎng)絡模型,多層BP神經(jīng)網(wǎng)絡模型可以實現(xiàn)任意可實現(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數(shù)盡可能簡約及變量相互獨立的局限性, 解決了現(xiàn)金流類指標具有高度相關(guān)性及非線性性的問題, 因而, 更適合作為企業(yè)

9、組織循環(huán)效率的評價模型。,神經(jīng)網(wǎng)絡在財務方向的應用,基于BP 神經(jīng)網(wǎng)絡的公允價值有用性評價中國管理信息化 公允價值在上市公司的財務報表開始啟用，文章利用問卷調(diào)查，選取樣本對公允價值的相關(guān)性和可靠性進行評價。借助BP 神經(jīng)網(wǎng)絡工具對搜集的公允價值的相關(guān)性和可靠性評分進行訓練，得到各樣本的綜合結(jié)果,神經(jīng)網(wǎng)絡在財務方向的應用,基于神經(jīng)網(wǎng)絡的企業(yè)可持續(xù)發(fā)展力評價 建立一個包含7個因子的可持續(xù)發(fā)展能力評價指標體系，基于BP 神經(jīng)網(wǎng)絡建立企業(yè)可持續(xù)發(fā)展力評價模型,神經(jīng)網(wǎng)絡在財務方向的應用,企業(yè)資本結(jié)構(gòu)及其影響因素的關(guān)系研究系統(tǒng)工程 應用神經(jīng)網(wǎng)絡和多元線性回歸模型，比較兩個模型的SSE指標和Theils “U”系數(shù) 神經(jīng)網(wǎng)絡對于財務數(shù)據(jù)的處理也是一個新的研究方法和工具 作者提出結(jié)構(gòu)方程等也可以提供新的思路,神經(jīng)網(wǎng)絡在財務方向的應用,權(quán)證定價的BP神經(jīng)網(wǎng)絡方法統(tǒng)計與決策 文章采用BP和徑向基函數(shù)以及傳統(tǒng)BS模型預測三只權(quán)證的價格，使用平均誤差，均方誤差和平均絕對誤差進行模型評價 發(fā)現(xiàn)神經(jīng)網(wǎng)絡比傳統(tǒng)定價模型更優(yōu)，而BP神