徐明鹃，　王本有

(皖西学院 信息工程学院， 安徽 六安　237012)



BP神经网络集成挖掘方法在财务预警中的应用

徐明鹃，王本有

(皖西学院 信息工程学院， 安徽 六安237012)

摘要：分析了基于加权的集成预测，研究了一种基于贝叶斯的BP神经网络集成挖掘方法，通过R平台实现算法，成功地应用于上市公司财务预警。各种预测方法实验结果对比得出,集成预测可以提高财务风险预测的准确率。

关键词：贝叶斯；BP神经网络； 财务预警

0引言

随着大数据时代的到来，信息的重要性越来越受到决策者的重视。我国上市公司在飞速发展的同时，也不断地受到各种外界风险的冲击，如何能够对上市公司的财务风险进行有效预警，是许多决策者和研究者面临的难题。

国内外学者在财务风险预警方面做了不懈的探索和研究，采用的方法也多种多样：最常用的是神经网络方法，例如，Ravi[1]等采用一种主成分结合神经网络方法进行商业银行的破产预测；支持向量机方法也是运用较多的机器学习方法之一，例如，Shin[2]等采用支持向量机方法对韩国的数据进行预测和财务预警;此外，也有采用其它算法进行预警研究的，例如，SunL[3]等采用最简单的贝叶斯网-朴素的贝叶斯分类器进行了财务预警研究，并针对预警数据的相关性特点进行了分析。浙江师范大学的Sun[4]采用将多个分类器串起来的方式，以中国的上市公司为样本数据进行分类预警,取得了比单个分类器更好的效果。学者殷尹[5]等在构建概率估计模型中，利用贝叶斯多变量模型分析法对企业财务进行预测。……