- 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，是一種按誤差逆傳播算法訓練的多層前饋網(wǎng)絡(luò )，是目前應用最廣泛的神經(jīng)網(wǎng)絡(luò )模型之一。BP網(wǎng)絡(luò )能學(xué)習和存貯大量的輸入-輸出模式映射關(guān)系，而無(wú)需事前揭示描述這種映射關(guān)系的數學(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是否對其進(jìn)行投資起著(zhù)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(guò)建立科學(xué)的中小企業(yè)信用評價(jià)指標體系，構建了融資征信評估方法的BP神經(jīng)網(wǎng)絡(luò )模型。模擬結果表明，BP神經(jīng)網(wǎng)絡(luò )可以更加有效、準確地對中小企業(yè)信用指標進(jìn)行評價(jià)，為融資機構提供決策依據。
【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)融資征信評估應用中BP模型分析
BP網(wǎng)絡(luò )具有較高的準確性和較快的收斂速度及更小的誤差，是進(jìn)行我國中小企業(yè)信用評價(jià)的理想方法。因此，本文擬采用BP神經(jīng)網(wǎng)絡(luò )來(lái)構造我國中小企業(yè)信用評價(jià)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(chēng)為反向傳播網(wǎng)絡(luò )，這是因為該神經(jīng)網(wǎng)絡(luò )的連接權的調整采用的是反向傳播學(xué)習算法。BP神經(jīng)網(wǎng)絡(luò )的主要優(yōu)點(diǎn)是：只要有足夠的隱層和節點(diǎn)，就可以逼進(jìn)任意的非線(xiàn)性映射關(guān)系，其算法是一種導師學(xué)習算法，屬于全局逼近的方法，因而具有泛化能力，BP網(wǎng)絡(luò )同時(shí)具有較好的容錯性;BP網(wǎng)絡(luò )的主要缺點(diǎn)是收斂速度慢，局部極小。這個(gè)缺點(diǎn)可以通過(guò)改進(jìn)算法，加入學(xué)習率自適應，L-M等算法進(jìn)行彌補。
1.2 BP神經(jīng)網(wǎng)絡(luò )的具體結構及學(xué)習原理
BP神經(jīng)網(wǎng)絡(luò )基本組成是由各個(gè)神經(jīng)元的連接權組成�？梢源篌w分為三個(gè)層次：輸入層、隱含層和輸出層。若輸入層有神經(jīng)元n個(gè)，輸入向量記為x1=(x1，xn，…，xn)是網(wǎng)絡(luò )的t個(gè)輸入模式，Zi(t)為網(wǎng)絡(luò )隱含層節點(diǎn)的輸出值，Y (t) =(Y1 (t) ，Y2 (t) ，…，Ym (t) )是對應的實(shí)際輸出值，輸入神經(jīng)元i到隱層神經(jīng)元j的權值為Vij，隱層神經(jīng)元i到輸出神經(jīng)元j的權值為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函數被稱(chēng)為神經(jīng)元的傳遞函數，也被稱(chēng)為激活函數，在實(shí)際應用中一般采用S型函數(Logsig)：
1.3 中小企業(yè)融資征信指標體系建立
中小企業(yè)融資征信評價(jià)的重點(diǎn)在于評價(jià)中小企業(yè)的經(jīng)營(yíng)狀況與財務(wù)狀況等內容。由于企業(yè)財務(wù)指標之間具有相關(guān)性，本文首先根據中小企業(yè)特點(diǎn)選擇財務(wù)指標，并利用因子分析法對指標進(jìn)行整理分析。依據我國中小企業(yè)的特點(diǎn)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)或重復性的指標，最終選取了償債能力指標(資產(chǎn)負債率，流動(dòng)比率，速動(dòng)比率)、盈利能力指標(銷(xiāo)售毛利潤，資產(chǎn)報酬率，凈資產(chǎn)收益率)、營(yíng)運能力指標(應收賬款周轉率、存貨周轉率，流動(dòng)資產(chǎn)周轉率，總資產(chǎn)周轉率)、成長(cháng)能力指標(營(yíng)業(yè)收入增長(cháng)率、營(yíng)業(yè)利潤增長(cháng)率、凈利潤增長(cháng)率，總資產(chǎn)增長(cháng)率、凈資產(chǎn)增長(cháng)率)15個(gè)財務(wù)指標綜合反映中小企業(yè)的信用狀況。
由于所選擇的財務(wù)指標的量綱和數量級不同，本文對各指標進(jìn)行了標準化，使每一個(gè)指標都統一于某種共同的數值特性范圍。本文采用如下公司對指標進(jìn)行標準化。
其中， 為原始數據的均值;Xj=;為原始數據的標準差，。
二、中小企業(yè)融資征信評估的BP模型構建
2.1 BP神經(jīng)網(wǎng)絡(luò )輸出層、隱含層及輸出層的設計
根據BP神經(jīng)網(wǎng)絡(luò )的相關(guān)研究，在網(wǎng)絡(luò )設計過(guò)程中，隱層神經(jīng)元數的確定十分重要。隱層神經(jīng)元過(guò)多、過(guò)少都會(huì )影響網(wǎng)絡(luò )性能，達不到預期效果。而隱層神經(jīng)元個(gè)數與期望誤差、輸入與輸出層神經(jīng)元個(gè)數、實(shí)際問(wèn)題復雜性都有直接的聯(lián)系。在三層網(wǎng)絡(luò )中，輸入和輸出神經(jīng)元是依據輸入向量和研究目標而定。本文在選取隱層神經(jīng)元的個(gè)數上主要參考原有的兩個(gè)經(jīng)驗公式來(lái)確定：
(1)
其中M表示輸入向量元素個(gè)數，則輸入層的神經(jīng)元可以選為M個(gè)。
N=2M+1(2)
其中μ代表輸入層神經(jīng)元個(gè)數，η代表輸出層神經(jīng)元個(gè)數，a代表[0，10]之間的整數。根據相關(guān)經(jīng)驗，本文中a取為2。
本文選擇了15個(gè)財務(wù)指標作為輸入，因此輸入層神經(jīng)元數M=μ=15;輸出層神經(jīng)元的數量η由信用評價(jià)結果的模式確定。根據式(1)，由于μ=1，η=15，a為[1，10]之間的常數，可以取L=5-14。根據式(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)元數目介于5-31之間。
2.2 BP神經(jīng)網(wǎng)絡(luò )訓練及結構確定
本文在進(jìn)行樣本設計時(shí)，以我國2014年50家上市公司所作出的評價(jià)為樣本。所采用的指標與上文中給出的評價(jià)指標一致。數據樣本有50個(gè)，選擇其中的40個(gè)項目的評價(jià)作為學(xué)習樣本，另外10個(gè)項目的評價(jià)作為檢驗樣本。訓練函數采用BP網(wǎng)絡(luò )最常用的Trainlm，訓練次數定位2000次，誤差精度小于0.0001。本文設定最大訓練步長(cháng)epoch=2000，分別采用traingdx函數、traingd函數和trainglm函數進(jìn)行BP神經(jīng)網(wǎng)絡(luò )訓練。
本文通過(guò)Matlab7.0，分別采用traingdx函數、traingd函數和trainglm函數，對所設計的隱含層神經(jīng)元數可變的BP神經(jīng)網(wǎng)絡(luò )進(jìn)行了訓練和仿真。結果表明，當BP神經(jīng)網(wǎng)絡(luò )的隱含層神經(jīng)元數在5-31之間變化時(shí)，當N=17時(shí)，trainlm數的訓練誤差最小，因此本文決定采用收斂速度最快、訓練誤差最小的trainlm訓練函數，隱含層神經(jīng)元數n=17的BP神經(jīng)網(wǎng)絡(luò )作為中小企業(yè)信用評價(jià)模型。
三、結論
本文建立了一般中小企業(yè)信用評價(jià)財務(wù)指標體系，據此構建的BP神經(jīng)網(wǎng)絡(luò )模型，并以2014年40家上市公司為學(xué)習訓練樣本，并對剩下的10家公司進(jìn)行仿真，設定最大訓練步長(cháng)epoch=2000，詳細考察了隱含層結構和網(wǎng)絡(luò )訓練函數對BP神經(jīng)網(wǎng)絡(luò )辨識性能的影響。評價(jià)結果表明，各中小企業(yè)之間的信用評價(jià)結果存在較大的異質(zhì)性。這說(shuō)明，利用BP神經(jīng)網(wǎng)絡(luò )對中小企業(yè)進(jìn)行信用評價(jià)，具有較高的可操作性。因此，金融機構可以據此加強對中小企業(yè)的信用評價(jià)，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(shí)證研究[D].天津：天津大學(xué)博士論文，2007.
[2] 周永進(jìn).BP網(wǎng)絡(luò )的改進(jìn)及其應用[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用】相關(guān)文章：
基于改進(jìn)BP的神經(jīng)網(wǎng)絡(luò )模型參考自適應控制05-23
向量擬合度模型在電子圖書(shū)采購質(zhì)量評估中的應用09-16
人工神經(jīng)網(wǎng)絡(luò )模型及其在優(yōu)化問(wèn)題中的應用08-23
淺論傳統審計的缺陷及現代審計風(fēng)險模型的應用08-31
淺論川芎在頭痛治療中的應用05-11
憶阻器在神經(jīng)網(wǎng)絡(luò )中的應用09-24
淺論中小企業(yè)治理中激勵題目08-08
淺論企業(yè)績(jì)效評估中的問(wèn)題與對策08-30