郜书鑫

1.引言

如今，我国的新能源产业面临着市场经济环境快速变化和外部影响因素的双重挑战。特别是在过去的三年中，由于异常的财务状况而受到特别处理的新能源公司并不少见，甚至被迫退市的例子也不罕见。因此，提高财务风险预警能力和应对财务风险的能力已成为新能源公司生存和发展的内在要求。

X 公司是新能源行业的代表公司，于2013 年在深圳证券交易所上市。其业务包括光伏发电，新能源汽车电池制造和销售和太阳能发电等。2015 年-2017 年公司的利润增长率连续三年超过50%。它的快速发展速度使人们希望了解其背后的财务风险高低。因此，本文以新能源公司X 为例，采用PSO 算法优化的BP 神经网络模型对X 公司的财务风险进行判断，以达到提前预测危机，对危机做出反应，最终对危机做出反应的目的。

2.神经网络概述

（1）BP 神经网络

BP 神经网络是人工神经网络的一种，核心数据处理机制是反馈系统，目前，BP神经网络被广泛应用于各种领域。BP 神经网络有三层处理结构，包括输入单元，隐藏单元和输出单元。输出单元接受外部输入的数据，隐藏单元对输入数据进行处理并进行非线性运算将处理后的结构输出给输出单元，输出接受处理后的结果并且和参照值进行比较，如果误差超过设定值，则通过反馈系统反向传播给隐藏单元进行进一步优化，如此不断迭代，直到隐藏单元输出的结果无限收敛，直到小于设定的参数即可。

（2）PSO-BP 神经网络