输出层转移函数分别为tansig和purelin,训练函数选择trainParam函数,学习率为0.9,精度选为0.001,训练步数设为1000步。Р 从测试样本预测训练结果比较可以看出,应用BP神经X络进行拟合,其预测值与期望值(F)的最大误差为0.0390,最小误差为0.0091,平均误差为0.0226。可见,运用此模型对上市公司的财务业绩进行预测误差较小,满足评价要求。调用sim函数,利用训练好的神经X络对河南省31家上市公司2007年的财务业绩状况分别进行评价,向经过训练的神经X络输入指标向量,得到X络输出值,从而得出各企业财务业绩评价结果。Р 从计算的评价结果能够看出,河南省31家上市公司中排名前十名的分别是双汇发展、瑞贝卡、平煤天安、焦作万方、中原环保、安阳钢铁、神火煤电、中孚实业、华兰生物、羚锐制药。排在后十名的分别是同力水泥、焦作鑫安、中原高速、思达高科、莲花味精、冰熊保鲜、豫能控股、安彩高科、天方药业、洛阳玻璃。通过对比其2007年的公司发展状况,本文通过建立因子分析BP神经X络模型得出来的结论与实际情况基本相符合。Р Р 结论Р Р 本文对所选取的财务指标采用因子分析法对原始信息进行筛选,实现了降维,既保证了原始资料信息的完整,又避免了原始信息的重叠,形成新的训练样本集,减少了BPX络建模时的X络结构,能大大提高X络的学习速率与泛化能力。另外,本文将因子分析评价结果作为神经X络的期望值,使主观性影响得到了更好的消除。同时,本文采用的BP神经X络克服了感知神经X络和线性神经X络的局限性,可以实现任意线性和非线性的函数映射,避免了人为的确定权重,克服了以往缺乏自学习能力的缺点,减少了评价过程中的随机性和评价人员主观上的不确定性及其认识上的模糊性;通过对参评样本的不断学习,能使系统误差达到任何精度要求,且有收敛性,提高了评价的可靠性,使评价结果更有效、更客观。
全文预览
