基于改进的杜邦体系和BP神经网络的财务危机预警模型探讨

在传统的基于神经网络的财务危机预警模型基础上,本文以最近几年我国沪深两市A股上市公司作为研究对象,采用BP神经网络方法构建了整合改进的杜邦分析体系指标的财务危机预警模型,并作实证研究。实证结果表明：整合调整后的财务指标的BP神经网络模型较传统指标的BP神经网络预警模型具有更高的预测精度。     

个人信用让人工神经网络以BP算法评估

建立以个人信用评估为核心的个人信用制度是一项复杂的系统工程。本将BP神经网络应用于个人信用评估，详细描述了用于个人信用评估的三层BP神经网络结构，给出了神经网络输入指标的量化处理方法。实证结果表明，BP神经网络模型具有很高的预测精度。     

区域金融生态评估方法研究

金融生态是指金融业与其生存和发展的外部环境通过自身调节机制,相互影响、相互作用的动态平衡系统。本文将BP神经网络模型与组合赋权思想相结合引入区域金融生态评估,通过使用某省2007年县域金融生态指标数据,并结合实际,与已有组合方法的实证分析比较,表明基于加权分层的BP神经网络模型在区分度、互补性、一致性上均优于已有的区域金融生态评估方法,具有较好的适应性和合理性。     

个人信用评估组合模型的构建——基于决策树—神经网络的研究

本文以德国某商业银行的真实客户信用数据为样本,将决策树方法应用于个人信用指标的筛选过程中,并与BP神经网络模型相结合构建成一个两阶段组合模型。研究表明,基于决策树—神经网络构建的个人信用评估组合模型对于测试样本的分类预测精度高于单一BP神经网络模型的分类预测精度。组合模型对于测试样本的总正确率平均值为75.45%,高出单一BP神经网络模型的总正确率近3个百分点。基于信息熵增益率分类原理的最优决策树挑选指标方法能合理去除非重要属性指标的干扰,使真正有效的属性指标输入神经网络主模型,提高模型分类预测的精准度。     

基于遗传算法的BP神经网络在权证定价中的应用

对金融衍生品的定价一直都是理论界和实务界所关注的热点问题之一.传统的参数模型定价方法,容易产生系统性偏差,而神经网络方法在解决这一问题时具有明显的优势.本文基于遗传算法改进的BP神经网络模型(GABP),利用我国8只权证的1050天数据、标的股票1900天的数据和其他所需数据作为训练数据训练网络.研究结果表明,神经网络在权证的定价中效果要优于B-S模型;而RBF模型精度大于BP模型的预测,GABP模型的精度大于RBF模型的预测.     

基于神经网络模型的商业银行信贷风险研究

通过VAR模型选择GDP增长率、通货膨胀率、广义货币发行量增长率等变量的一阶滞后项与二阶滞后项作为输入变量,分别建立BP神经网络与GRNN模型对商业银行不良贷款率进行拟合与预测验证,并对两种神经网络模型的拟合效果与验证结果进行比较.研究表明,GRNN神经网络的拟合精度较高但预测精度较低,而BP神经网络拟合精度较低但预测精度较高.此外,随着验证期限的延长,两种模型的预测精度均下降.BP神经网络预测2015年第四季度不良率仍将小幅上升.     

基于神经网络技术的股指预测模型及实证分析

通过建立BP神经网络预测模型和GARCH-BP神经网络预测模型,对2001年深圳成分指数的日收盘价进行预测分析发现,GARCH-BP模型较BP模型的收敛速度快,学习能力强,预测精度较高,误差率较小.     

基于BP神经网络的湖北国际旅游需求预测

文章在阐述BP神经网络基本原理的基础上,建立了湖北旅游需求的BP神经网络模型,并对湖北旅游外汇收入及入境游客人数进行了预测和分析。     

BP神经网络模型在中小企业融资担保信用风险控制中的应用

鉴于融资担保机构在中小企业融资方面起到越来越重要的作用，构建中小企业风控模型势在必行。本文首先从构建中小企业风控模型指标从发，运用主成分分析法获得主成分得分，并以此得分作为风控模型的数据输入；其次运用python语言构建BP神经网络风控模型，使用网络搜索方法寻找最优模型参数；进一步运用交叉验证、混淆矩阵及ROC曲线评估模型性能，证实BP神经网络风控模型性能较优；最后介绍BP神经网络模型在中小企业融资担保信用风险控制中的实际应用。     

神经网络在股票价格预测中的应用——基于三种网络的比较分析

股票价格受到社会经济等多方面因素的影响,价格变化大,具有非线性和不稳定的特征,采用传统的线性模型难以准确的预测。本文采用BP、RBF神经网络,以及GABP神经网络进行股票价格预测,比较分析了三种方法的预测精度。实证结果表明,神经网络能够较好地对股票价格进行预测,其中GABP网络比传统的BP和RBF网络有更好的全局收敛性及更高的预测精度。     

神经网络在股票价格预测中的应用——基于三种网络的比较分析

股票价格受到社会经济等多方面因素的影响,价格变化大,具有非线性和不稳定的特征,采用传统的线性模型难以准确的预测。本文采用BP、RBF神经网络,以及GABP神经网络进行股票价格预测,比较分析了三种方法的预测精度。实证结果表明,神经网络能够较好地对股票价格进行预测,其中GABP网络比传统的BP和RBF网络有更好的全局收敛性及更高的预测精度。     

BP神经网络在股市预测模型中的应用——以上证股票价格收盘指数为例

本文介绍了股市的特点以及股市预测的困难性,提出了利用BP神经网络的方法来解决股市预测问题。首先文章介绍了人工神经网络模型以及应用最普遍的BP神经网络,然后以上海证券交易所每日股票价格收盘指数为分析对象,对网络进行训练后,利用BP神经网络对股票价格收盘指数进行了短期预测,并计算出预测值和实际值的误差。通过实验发现该模型收敛速度快,预测精度非常高。     

基于BP神经网络的国寿公司偿付能力评价

BP神经网络的自学习、自适应、强容错性使其能应用于对保险公司偿付能力进行评价。在对中国人寿保险公司（国寿公司）财务比率数据进行因子分析后,用一个三层BP神经网络模型对偿付能力进行学习、训练,再利用训练好的模型进行检测评价,发现国寿公司偿付能力相对下降。其原因主要有：资本充足率、资产质量下降,粗放经营。因此,国寿公司应该走集约经营的路子、拓展投资业务、降低经营费用、加强监管等措施来提升偿付能力。     

神经网络技术在客户信用评价中的应用

本文采用科学计算模型的方法实现了客户信用评价。该模型主要利用神经网络的反向传播(Back Propagation,简称BP)算法和收敛速度快、诊断正确的特点,建立了一个适合于企业客户信用评价的通用模型。同时对客户信用评价中的评价指标参数选择、数据收集与处理、构造BP网络模型以及BP网络计算进行了重点探讨。     

基于BP神经网络模型的中小企业信用评价体系研究

针对中小企业信用评价机制存在的突出问题,本文通过引入因子分析方法,从企业偿债能力和偿债意愿两个方面着手,构建了具有双输出值的BP神经网络综合评价模型。选取185户中小企业样本进行综合评价和验证,得到了较为客观的评价指标权重,模型对训练集样本的预测精度达84.62%,对测试集样本预测精度达78.18%,基本满足了对中小企业信用评价的精度要求。最后,总结梳理得出BP神经网络评价模型在客观、准确衡量中小企业信用水平方面存在的优势,以期为完善中小企业信用评价体系,缓解企业融资难、融资贵等问题提供参考。     

基于灰色GM(1,1)和BP神经网络的房价预测

本文分析了影响房价的多种因素;运用灰色GM(1,1)模型预测这些因素的数据走势,利用BP神经网络以历史数据为依据运用MATLAB进行仿真,得出我国未来五年房价预测值。结果表明,采用神经网络结合灰色GM(1,1)预测而得的各影响因素预测值,预测未来房价,具有很强的实用性。     

互联网金融生态圈内融资信用风险仿真评测研究

本文从互联网金融生态圈内借款人的信用风险角度出发,通过融资主体信用风险评测指标体系,依据人人贷平台数据,建立自组织竞争型神经网络预测模型和BP神经网络模型都能适用于互联网金融生态圈内融资主体平台借款人信用风险评估,具有较强的风险预测评估能力。综合运用这两类模型,能对互联网金融生态圈内融资主体可能出现的违约情况进行预警,有效防范风险,增强互联网金融生态圈的信用等级。     

神经网络在财务管理中的应用

过去的二十年,神经网络越来越多地应用到财务领域中,主要是基于它所具有大规模并行、自组织、自适应、容错和自学习的能力。本文对神经网络在财务领域中的应用趋势、特征进行了分析,研究表明多数应用采用了含有一个隐含层的BP神经网络,并同时和传统的统计模型进行了比较分析。此外,这些研究还表明神经网络在财务管理领域的应用中取得了较满意的结果。     

BP神经网络方法在ERP系统实施项目评价中应用研究

ERP实施项目是个复杂的系统工程,其不同于一般的IT项目,本文通过对ERP系统实施项目成功因素的探究,设计出一般ERP系统主要评价指标,并利用BP神经网络方法构建模型对ERP系统实施项目进行评价。     

碳中和背景下气温衍生品定价研究——基于ELM神经网络方法

气温衍生品是一种用来规避天气风险的新型金融工具,它对能源、农业和旅游业等行业的稳健运行、绿色金融的发展、碳中和目标的实现都具有十分重要的价值.选取我国六个典型城市2009—2018年的日平均气温作为样本数据,利用ELM神经网络模型对气温时间序列进行预测与误差分析,借助蒙特卡洛模拟方法对气温衍生品定价.研究结果表明,ELM神经网络较ARMA模型和BP神经网络气温预测精度有显著提高,可为气温衍生品的定价奠定基础.