基于改进SDAE网络的财务风险预测算法
2022-02-25唐颖
微型电脑应用 2022年2期
唐颖
(北京协和医院, 北京 100730)
0 引言
经济体制的改革和资本市场的快速发展为企业带来机遇,同时也加大了企业的危机和挑战[1],较高的财务风险威胁到企业的健康发展。财务风险预测能够帮助管理层及时发现财务异常,针对性地调整战略化解危机,因此,全面分析财务风险,构建能够对企业财务进行科学风险预测的预警模型,对企业的快速发展和正确决策具有重要的意义[2-3]。
王宗胜等[4]采用灰色关联法分析对财务风险及及其影响因子进行分析,并预测了由关键影响因素导致的风险次数;Kapan等[5]以灰色Verhulst、Brown及非线性回归3个模型,以组合预测误差最小,构建了企业财务风险预测的最优变权组合预测模型。Alqahtani等[6]运用线性回归根据财务异常数据预测企业财务发展趋势,并分析影响因素。
本文提出基于改进稀疏降噪声自编码(Sparse Denosing Auto-encoder, SDAE)神经网络的财务风险预警算法,算法在保持AE神经网络预测优势基础上,通过增加模型输入的降噪特性,优化了原始输入数据,同时增加所提取特征的鲁棒性,提升了SDAE的数据泛化能力;通过PSO算法优化权值和阈值的初始设置,进一步提高了模型的预测精度。实测数据实验验证了算法的预测性能。
1 预测模型算法设计
1.1 模型设计流程
基于改进SDAE神经网络的财务风险预测模型的预测流程如图1所示。

图1 基于改进SDAE神经网线的财务风险预测流程
具体预测过程如下。
步骤1:收集数据,通过相关系数设置,得到模型的权值矩阵W及相应的偏置项b。……
登录APP查看全文
