發(fā)布時(shí)間：2024-12-22 21:18

　　伴隨著世界經(jīng)濟(jì)的一體化發(fā)展,企業(yè)經(jīng)營(yíng)所處環(huán)境的不確定性進(jìn)一步加強(qiáng)。企業(yè)的財(cái)務(wù)狀況對(duì)于一個(gè)企業(yè)的生存發(fā)展來說至關(guān)重要。很多企業(yè)的經(jīng)營(yíng)危機(jī)都是以財(cái)務(wù)危機(jī)為先兆。但是,羅馬不是一天建成的。財(cái)務(wù)危機(jī)的發(fā)生也會(huì)經(jīng)歷一個(gè)過程。所以對(duì)于企業(yè)來說,建立一個(gè)準(zhǔn)確率較高的財(cái)務(wù)預(yù)警模型以此在財(cái)務(wù)危機(jī)發(fā)生以前做好預(yù)防和準(zhǔn)備工作便顯得愈發(fā)重要。以往對(duì)于財(cái)務(wù)預(yù)警的研究往往局限于Z分?jǐn)?shù)模型分析、Logistic模型分析和神經(jīng)網(wǎng)絡(luò)模型分析這三種分析方法,但是他們均存在一定的不足之處。隨著大數(shù)據(jù)時(shí)代的來臨,人們開始使用深度學(xué)習(xí)作為研究工具預(yù)測(cè)財(cái)務(wù)危機(jī)。本文將創(chuàng)新性地采用深度學(xué)習(xí)網(wǎng)絡(luò)這一方法建立準(zhǔn)確率更高的財(cái)務(wù)預(yù)警模型,幫助企業(yè)科學(xué)地對(duì)財(cái)務(wù)狀況加以分析。本文在對(duì)國內(nèi)外學(xué)者的成果加以回顧的基礎(chǔ)之上,闡述了財(cái)務(wù)風(fēng)險(xiǎn)和財(cái)務(wù)預(yù)警的基本理論。隨后在本文的核心章節(jié)中,建立了包括二十二個(gè)指標(biāo)在內(nèi)的指標(biāo)體系,然后選取2066家上市企業(yè)作為樣本進(jìn)行訓(xùn)練,并以54家企業(yè)作為檢驗(yàn)組加以檢驗(yàn),得出深度學(xué)習(xí)網(wǎng)絡(luò)模型在T-2年、T-3年的預(yù)警準(zhǔn)確率分別為90.74%、88.89%。所以,離財(cái)務(wù)危機(jī)發(fā)生時(shí)間越近的預(yù)警模型的準(zhǔn)確率越高。隨后,利用建立深度...

【文章頁數(shù)】：66 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖2-1自動(dòng)編碼器網(wǎng)絡(luò)示意圖

圖2-1自動(dòng)編碼器網(wǎng)絡(luò)示意圖器是對(duì)樣本數(shù)據(jù)進(jìn)行自動(dòng)編碼的一種無監(jiān)督的機(jī)器示意圖如圖2-1所示，假設(shè)樣本數(shù)據(jù)中的一個(gè)樣}n，則對(duì)經(jīng)過樣本進(jìn)行自動(dòng)編碼器自動(dòng)編碼}nx，自動(dòng)編碼器通過訓(xùn)練可以獲取到一個(gè)能更加抽象。若輸入層1L一共n個(gè)網(wǎng)....

圖2-2自動(dòng)編碼器結(jié)構(gòu)

天津大學(xué)碩士學(xué)位論文的向量z，其中參數(shù)為'''{W,b}，此時(shí)可以獲取最'；每個(gè)樣本輸入向量x映射得到對(duì)應(yīng)的y，再重構(gòu)變換方根誤差，可以得到模型的最優(yōu)參數(shù)，如下式所示：''*'*1,1,argmin(,(()))niiiLxgfxn....

圖2-3去噪自動(dòng)編碼器結(jié)構(gòu)

圖2-3去噪自動(dòng)編碼器結(jié)構(gòu)棧式自動(dòng)編碼器（StackedAutoencoders，SAE），是將自動(dòng)編碼器堆疊成的多層加以組合而成的。棧式去噪自動(dòng)編碼（Stackeddenencoders，SDAE），是在加有對(duì)自動(dòng)編碼器添加噪聲后的自動(dòng)編碼器疊起來形成的。其訓(xùn)練過程如下：....

圖2-4棧式去噪自編碼器結(jié)構(gòu)

天津大學(xué)碩士學(xué)位論文一層所得的特征表示nh作為SDAE對(duì)整個(gè)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行微調(diào)，y作為輸E模型，該模型能對(duì)未知的數(shù)據(jù)進(jìn)行

本文編號(hào)：4019743