- 相關(guān)推薦
淺論BP神經(jīng)網(wǎng)絡(luò)模型在中小企業(yè)融資征信評估中的應(yīng)用
BP網(wǎng)絡(luò)(Back Propagation)，是1986年由Rumelhart和McCelland為首的科學(xué)家小組提出，是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)，是目前應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)模型之一。BP網(wǎng)絡(luò)能學(xué)習(xí)和存貯大量的輸入-輸出模式映射關(guān)系，而無需事前揭示描述這種映射關(guān)系的數(shù)學(xué)方程。
【摘 要】 信用評估的優(yōu)劣對中小企業(yè)是否能夠獲得融資以及融資機構(gòu)是否對其進行投資起著決定性作用。本文探討了基于BP神經(jīng)網(wǎng)絡(luò)的融資征信評估方法。通過建立科學(xué)的中小企業(yè)信用評價指標(biāo)體系，構(gòu)建了融資征信評估方法的BP神經(jīng)網(wǎng)絡(luò)模型。模擬結(jié)果表明，BP神經(jīng)網(wǎng)絡(luò)可以更加有效、準(zhǔn)確地對中小企業(yè)信用指標(biāo)進行評價，為融資機構(gòu)提供決策依據(jù)。
【關(guān)鍵詞】 中小企業(yè) 融資征信 BP神經(jīng)網(wǎng)絡(luò)
一、中小企業(yè)融資征信評估應(yīng)用中BP模型分析
BP網(wǎng)絡(luò)具有較高的準(zhǔn)確性和較快的收斂速度及更小的誤差，是進行我國中小企業(yè)信用評價的理想方法。因此，本文擬采用BP神經(jīng)網(wǎng)絡(luò)來構(gòu)造我國中小企業(yè)信用評價模型。
1.1 BP神經(jīng)網(wǎng)絡(luò)的基本原理
BP神經(jīng)網(wǎng)絡(luò)又被稱為反向傳播網(wǎng)絡(luò)，這是因為該神經(jīng)網(wǎng)絡(luò)的連接權(quán)的調(diào)整采用的是反向傳播學(xué)習(xí)算法。BP神經(jīng)網(wǎng)絡(luò)的主要優(yōu)點是：只要有足夠的隱層和節(jié)點，就可以逼進任意的非線性映射關(guān)系，其算法是一種導(dǎo)師學(xué)習(xí)算法，屬于全局逼近的方法，因而具有泛化能力，BP網(wǎng)絡(luò)同時具有較好的容錯性;BP網(wǎng)絡(luò)的主要缺點是收斂速度慢，局部極小。這個缺點可以通過改進算法，加入學(xué)習(xí)率自適應(yīng)，L-M等算法進行彌補。
1.2 BP神經(jīng)網(wǎng)絡(luò)的具體結(jié)構(gòu)及學(xué)習(xí)原理
BP神經(jīng)網(wǎng)絡(luò)基本組成是由各個神經(jīng)元的連接權(quán)組成�？梢源篌w分為三個層次：輸入層、隱含層和輸出層。若輸入層有神經(jīng)元n個，輸入向量記為x1=(x1，xn，…，xn)是網(wǎng)絡(luò)的t個輸入模式，Zi(t)為網(wǎng)絡(luò)隱含層節(jié)點的輸出值，Y (t) =(Y1 (t) ，Y2 (t) ，…，Ym (t) )是對應(yīng)的實際輸出值，輸入神經(jīng)元i到隱層神經(jīng)元j的權(quán)值為Vij，隱層神經(jīng)元i到輸出神經(jīng)元j的權(quán)值為Vij;另外分別用φi和θj表示隱含層和輸出層的閥值。三者的基本關(guān)系如下：
;
在上式中，f函數(shù)被稱為神經(jīng)元的傳遞函數(shù)，也被稱為激活函數(shù)，在實際應(yīng)用中一般采用S型函數(shù)(Logsig)：
1.3 中小企業(yè)融資征信指標(biāo)體系建立
中小企業(yè)融資征信評價的重點在于評價中小企業(yè)的經(jīng)營狀況與財務(wù)狀況等內(nèi)容。由于企業(yè)財務(wù)指標(biāo)之間具有相關(guān)性，本文首先根據(jù)中小企業(yè)特點選擇財務(wù)指標(biāo)，并利用因子分析法對指標(biāo)進行整理分析。依據(jù)我國中小企業(yè)的特點并利用因子分析法，本文剔除了與中小企業(yè)信用狀況不相關(guān)或重復(fù)性的指標(biāo)，最終選取了償債能力指標(biāo)(資產(chǎn)負債率，流動比率，速動比率)、盈利能力指標(biāo)(銷售毛利潤，資產(chǎn)報酬率，凈資產(chǎn)收益率)、營運能力指標(biāo)(應(yīng)收賬款周轉(zhuǎn)率、存貨周轉(zhuǎn)率，流動資產(chǎn)周轉(zhuǎn)率，總資產(chǎn)周轉(zhuǎn)率)、成長能力指標(biāo)(營業(yè)收入增長率、營業(yè)利潤增長率、凈利潤增長率，總資產(chǎn)增長率、凈資產(chǎn)增長率)15個財務(wù)指標(biāo)綜合反映中小企業(yè)的信用狀況。
由于所選擇的財務(wù)指標(biāo)的量綱和數(shù)量級不同，本文對各指標(biāo)進行了標(biāo)準(zhǔn)化，使每一個指標(biāo)都統(tǒng)一于某種共同的數(shù)值特性范圍。本文采用如下公司對指標(biāo)進行標(biāo)準(zhǔn)化。
其中， 為原始數(shù)據(jù)的均值;Xj=;為原始數(shù)據(jù)的標(biāo)準(zhǔn)差，。
二、中小企業(yè)融資征信評估的BP模型構(gòu)建
2.1 BP神經(jīng)網(wǎng)絡(luò)輸出層、隱含層及輸出層的設(shè)計
根據(jù)BP神經(jīng)網(wǎng)絡(luò)的相關(guān)研究，在網(wǎng)絡(luò)設(shè)計過程中，隱層神經(jīng)元數(shù)的確定十分重要。隱層神經(jīng)元過多、過少都會影響網(wǎng)絡(luò)性能，達不到預(yù)期效果。而隱層神經(jīng)元個數(shù)與期望誤差、輸入與輸出層神經(jīng)元個數(shù)、實際問題復(fù)雜性都有直接的聯(lián)系。在三層網(wǎng)絡(luò)中，輸入和輸出神經(jīng)元是依據(jù)輸入向量和研究目標(biāo)而定。本文在選取隱層神經(jīng)元的個數(shù)上主要參考原有的兩個經(jīng)驗公式來確定：
(1)
其中M表示輸入向量元素個數(shù)，則輸入層的神經(jīng)元可以選為M個。
N=2M+1(2)
其中μ代表輸入層神經(jīng)元個數(shù)，η代表輸出層神經(jīng)元個數(shù)，a代表[0，10]之間的整數(shù)。根據(jù)相關(guān)經(jīng)驗，本文中a取為2。
本文選擇了15個財務(wù)指標(biāo)作為輸入，因此輸入層神經(jīng)元數(shù)M=μ=15;輸出層神經(jīng)元的數(shù)量η由信用評價結(jié)果的模式確定。根據(jù)式(1)，由于μ=1，η=15，a為[1，10]之間的常數(shù)，可以取L=5-14。根據(jù)式(2)，由于M=15，因此N=2M+1=31。因此，可以估計最佳隱含層的神經(jīng)元數(shù)目介于5-31之間。
2.2 BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練及結(jié)構(gòu)確定
本文在進行樣本設(shè)計時，以我國2014年50家上市公司所作出的評價為樣本。所采用的指標(biāo)與上文中給出的評價指標(biāo)一致。數(shù)據(jù)樣本有50個，選擇其中的40個項目的評價作為學(xué)習(xí)樣本，另外10個項目的評價作為檢驗樣本。訓(xùn)練函數(shù)采用BP網(wǎng)絡(luò)最常用的Trainlm，訓(xùn)練次數(shù)定位2000次，誤差精度小于0.0001。本文設(shè)定最大訓(xùn)練步長epoch=2000，分別采用traingdx函數(shù)、traingd函數(shù)和trainglm函數(shù)進行BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練。
本文通過Matlab7.0，分別采用traingdx函數(shù)、traingd函數(shù)和trainglm函數(shù)，對所設(shè)計的隱含層神經(jīng)元數(shù)可變的BP神經(jīng)網(wǎng)絡(luò)進行了訓(xùn)練和仿真。結(jié)果表明，當(dāng)BP神經(jīng)網(wǎng)絡(luò)的隱含層神經(jīng)元數(shù)在5-31之間變化時，當(dāng)N=17時，trainlm數(shù)的訓(xùn)練誤差最小，因此本文決定采用收斂速度最快、訓(xùn)練誤差最小的trainlm訓(xùn)練函數(shù)，隱含層神經(jīng)元數(shù)n=17的BP神經(jīng)網(wǎng)絡(luò)作為中小企業(yè)信用評價模型。
三、結(jié)論
本文建立了一般中小企業(yè)信用評價財務(wù)指標(biāo)體系，據(jù)此構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)模型，并以2014年40家上市公司為學(xué)習(xí)訓(xùn)練樣本，并對剩下的10家公司進行仿真，設(shè)定最大訓(xùn)練步長epoch=2000，詳細考察了隱含層結(jié)構(gòu)和網(wǎng)絡(luò)訓(xùn)練函數(shù)對BP神經(jīng)網(wǎng)絡(luò)辨識性能的影響。評價結(jié)果表明，各中小企業(yè)之間的信用評價結(jié)果存在較大的異質(zhì)性。這說明，利用BP神經(jīng)網(wǎng)絡(luò)對中小企業(yè)進行信用評價，具有較高的可操作性。因此，金融機構(gòu)可以據(jù)此加強對中小企業(yè)的信用評價，篩選優(yōu)秀的中小企業(yè)以降低信用風(fēng)險。
【參考文獻】
[1] 譚慶美.中小企業(yè)融資理論與實證研究[D].天津：天津大學(xué)博士論文，2007.
[2] 周永進.BP網(wǎng)絡(luò)的改進及其應(yīng)用[D].南京：南京信息工程大學(xué)，2007.
【淺論BP神經(jīng)網(wǎng)絡(luò)模型在中小企業(yè)融資征信評估中的應(yīng)用】相關(guān)文章：
基于改進BP的神經(jīng)網(wǎng)絡(luò)模型參考自適應(yīng)控制05-23
向量擬合度模型在電子圖書采購質(zhì)量評估中的應(yīng)用09-16
人工神經(jīng)網(wǎng)絡(luò)模型及其在優(yōu)化問題中的應(yīng)用08-23
淺論傳統(tǒng)審計的缺陷及現(xiàn)代審計風(fēng)險模型的應(yīng)用08-31
淺論川芎在頭痛治療中的應(yīng)用05-11
憶阻器在神經(jīng)網(wǎng)絡(luò)中的應(yīng)用09-24
淺論中小企業(yè)治理中激勵題目08-08
淺論企業(yè)績效評估中的問題與對策08-30