基于神经网络的中小企业偿债风险预警研究
发布时间：2022-01-15 07:39
我国中小企业融资难问题成为热点后,不少学者从企业的偿债能力出发探索解决中小企业融资难的途径和方法。而偿债风险预警技术为客观评价中小企业偿债能力提高参考。中小企业的偿债风险状态的预警是判断偿债风险等级的前提和偿债风险管理控制的起点。通过大量的文献阅读发现,国内外从偿债风险角度进行企业风险预警的研究少,并且缺乏对中小企业偿债风险预警的定量研究。因此本文首先通过分析我国上市的中小企业偿债风险现状分析,并结合文献研究,构建中小企业偿债风险预警指标体系。之后运用BP神经网络模型对我国中小企业的偿债风险进行预警研究。随后对预警结果分析得到的决定性指标进行检验。得出下面三个结论:—是本文构建的中小企业偿债风险模型能够使中小企业偿债风险预警效果最好;二是通过与大型企业的偿债风险预警对比,本文构建的中小企业偿债风险模型能够较为科学地为中小企业提供偿债风险预警方法。三是本文模型结果分析发现,净资产收益率是影响我国中小企业偿债风险预警模型预测准确率的最重要的指标。最后,为我国中小企业降低偿债风险提出相应地建议。
【文章来源】：广西大学广西壮族自治区 211工程院校
【文章页数】：57 页
【学位级别】：硕士
【部分图文】：
图１－１论文研究路线图??Ｃｈａｒｔ?１￣１?Ｐａｐｅｒ?Ｒｅｓｅａｒｃｈ?Ｒｏａｄｍａｐ??１．５创新点??
改每两层间的误差反馈，来调整各层神经元的权值和阈值。这一阶段循环持续进行，直??到神经网络输出的误差达到可接受程度或者最大学习次数而结束运行，最后输出预测结??果。ＢＰ神经网络模型如图２－２所示。??１８??
?反向传播??图２－１?ＢＰ神经网络结构??Ｃｈａｒｔ２－１?Ｓｔｒｕｃｔｕｒｅ?ｏｆ?ＢＰ?Ｎｅｕｒａｌ?Ｎｅｔｗｏｒｋ??资料来源：杨保安，季海等（２００１）?［２４］??２．２．２?ＢＰ神经网络的模型原理??ＢＰ神经网络模型过程：通过对输入样本数据，进行训练，然后进行预测。其训练??过程包含两个阶段即信息的正向传播和误差的反向传播。正向传播阶段是数据的单向输??入。输入样本数据从输入层到隐含层再从输出层输出运行的结果，即逐层向前传播信息。??当输出层的实际输出与期望的输出相符，则直接输出结果。反之，则将该结果与实际结??果输入直接的误差逐层进行反向传播。反向传播就是将误差信号按输出层到隐含层最后??到输入层的反向运行阶段，即误差的反向传播阶段。反向传播过程中采用梯度下降法更??改每两层间的误差反馈，来调整各层神经元的权值和阈值。这一阶段循环持续进行，直??到神经网络输出的误差达到可接受程度或者最大学习次数而结束运行，最后输出预?
【参考文献】：
期刊论文
[1]基于PCA和AP的嵌套式KNN金融时间序列预测模型[J]. 唐黎,潘和平,姚一永. 预测. 2019(01)
[2]基于Cox回归的中小企业财务预警模型及实证[J]. 宋宇,秦学志,李鸿禧. 管理现代化. 2019(01)
[3]基于F计分值的上市公司财务风险预警研究[J]. 熊毅,张友棠. 管理现代化. 2019(01)
[4]基于Logistic模型的我国房地产企业信用风险度量研究[J]. 胡胜,雷欢欢,胡华强. 中国软科学. 2018(12)
[5]高新技术企业创新资金配置风险预警的FOA-SVM模型及实证[J]. 王玉冬,王迪,王珊珊. 系统工程理论与实践. 2018(11)
[6]基于SA-SVM的众筹违约风险预警模型[J]. 李杰,马士豪,靳孟宇,Chao-hsien Chu. 统计与信息论坛. 2018(11)
[7]中小企业增值税纳税评估模型的构建——基于随机森林技术的实证分析[J]. 于晓虹. 税务研究. 2018(11)
[8]P2P网贷平台风险甄别研究[J]. 师应来,张冰洁,姜昊. 统计与决策. 2018(16)
[9]企业债务违约风险Logistic回归预警模型[J]. 潘泽清. 上海经济研究. 2018(08)
[10]SGL-SVM方法研究及其在财务困境预测中的应用[J]. 方匡南,杨阳. 统计研究. 2018(08)
硕士论文
[1]基于随机森林—人工神经网络企业财务预警研究[D]. 王元坤.山东大学 2017
[2]支持向量机方法及其在企业信用风险评级中的应用[D]. 王敬宇.吉林大学 2010
[3]基于SVM的商业银行信用风险模型研究[D]. 王艾婷.天津大学 2009
本文编号：3590198
【文章来源】：广西大学广西壮族自治区 211工程院校
【文章页数】：57 页
【学位级别】：硕士
【部分图文】：
图１－１论文研究路线图??Ｃｈａｒｔ?１￣１?Ｐａｐｅｒ?Ｒｅｓｅａｒｃｈ?Ｒｏａｄｍａｐ??１．５创新点??
改每两层间的误差反馈，来调整各层神经元的权值和阈值。这一阶段循环持续进行，直??到神经网络输出的误差达到可接受程度或者最大学习次数而结束运行，最后输出预测结??果。ＢＰ神经网络模型如图２－２所示。??１８??
?反向传播??图２－１?ＢＰ神经网络结构??Ｃｈａｒｔ２－１?Ｓｔｒｕｃｔｕｒｅ?ｏｆ?ＢＰ?Ｎｅｕｒａｌ?Ｎｅｔｗｏｒｋ??资料来源：杨保安，季海等（２００１）?［２４］??２．２．２?ＢＰ神经网络的模型原理??ＢＰ神经网络模型过程：通过对输入样本数据，进行训练，然后进行预测。其训练??过程包含两个阶段即信息的正向传播和误差的反向传播。正向传播阶段是数据的单向输??入。输入样本数据从输入层到隐含层再从输出层输出运行的结果，即逐层向前传播信息。??当输出层的实际输出与期望的输出相符，则直接输出结果。反之，则将该结果与实际结??果输入直接的误差逐层进行反向传播。反向传播就是将误差信号按输出层到隐含层最后??到输入层的反向运行阶段，即误差的反向传播阶段。反向传播过程中采用梯度下降法更??改每两层间的误差反馈，来调整各层神经元的权值和阈值。这一阶段循环持续进行，直??到神经网络输出的误差达到可接受程度或者最大学习次数而结束运行，最后输出预?
【参考文献】：
期刊论文
[1]基于PCA和AP的嵌套式KNN金融时间序列预测模型[J]. 唐黎,潘和平,姚一永. 预测. 2019(01)
[2]基于Cox回归的中小企业财务预警模型及实证[J]. 宋宇,秦学志,李鸿禧. 管理现代化. 2019(01)
[3]基于F计分值的上市公司财务风险预警研究[J]. 熊毅,张友棠. 管理现代化. 2019(01)
[4]基于Logistic模型的我国房地产企业信用风险度量研究[J]. 胡胜,雷欢欢,胡华强. 中国软科学. 2018(12)
[5]高新技术企业创新资金配置风险预警的FOA-SVM模型及实证[J]. 王玉冬,王迪,王珊珊. 系统工程理论与实践. 2018(11)
[6]基于SA-SVM的众筹违约风险预警模型[J]. 李杰,马士豪,靳孟宇,Chao-hsien Chu. 统计与信息论坛. 2018(11)
[7]中小企业增值税纳税评估模型的构建——基于随机森林技术的实证分析[J]. 于晓虹. 税务研究. 2018(11)
[8]P2P网贷平台风险甄别研究[J]. 师应来,张冰洁,姜昊. 统计与决策. 2018(16)
[9]企业债务违约风险Logistic回归预警模型[J]. 潘泽清. 上海经济研究. 2018(08)
[10]SGL-SVM方法研究及其在财务困境预测中的应用[J]. 方匡南,杨阳. 统计研究. 2018(08)
硕士论文
[1]基于随机森林—人工神经网络企业财务预警研究[D]. 王元坤.山东大学 2017
[2]支持向量机方法及其在企业信用风险评级中的应用[D]. 王敬宇.吉林大学 2010
[3]基于SVM的商业银行信用风险模型研究[D]. 王艾婷.天津大学 2009
本文编号：3590198
本文链接：https://www.wllwen.com/jingjilunwen/jinrongzhengquanlunwen/3590198.html
