网站地图 加入收藏 设为首页 原创论文网,覆盖经济,法律,医学,建筑,艺术等800余专业,提供60万篇论文资料免费参考

高校财务预警系统中BP神经网络模型的运用

作者:原创论文网 时间:2017-05-12 15:29 加入收藏
摘要

  随着教学体系改革的不断深入,各个高校为了得到稳定的发展,开始采用负债融资方式,开展新校区建设工作,进而提升自己在社会中的核心地位。但是这种模式存在一定的弊端,很容易导致高校出现财务风险。因此,为了保证高校的财务安全,开始将 BP 神经网络模型运用到高校财务困境预警中,其可以对高校所面临的财务风险进行预警,并告知给高校的相关部门,找出引导财物风险的因素,采取相应的预防措施,从而保证高校的财务安全。

  一、BP 神经网络的基本概述

  20 世纪 80 年代 ,西方国家两 个科研小组提 出了BP 神经网络,其是一种多层 前馈网络,是当前应 用较为广泛的神经网络模型中的一种。BP 神经网络也叫人工神经网络,是鉴于理论化的人脑神经网络,它主要是借助大脑神经网络框架以及功能,对其进行模拟,进而构建的一种数据处理系统。人工神经网络主要由众多比较简单的人工神经元构成,遵循相关的规律进行衔接,进而构成一个比较繁琐化的网络。由于 BP 神经网络具备非线性,在系统性能方面可以满足繁琐化的逻辑操作。在网络中涉及的传播、保存形式以及信息储存和生物神经网络中涉及的传播、保存形式以及信息储存存在很多的相似度,两者都是采用并行的形式,在进行信息处理时,通常是利用人工模仿人脑神经网络而构建的,因此被人们称作人工神经网络。

  二、基于 BP 神经网络模型的高校财务困境预警系统的构建

  1.高校财务预警指标体系构建

  在进行财务预警指标制定的过程中,要具备三项特征。第一,灵敏性。当财务风险因素出现时,预警指标要及时将其进行反映,具备一定灵敏性。第二,征兆性。当预警指标朝着异常的趋势变化时,往往表明财务风险可能随时出现,这也是财务风险初步出现的征兆性标准,并非指明已经进入到严重风险状况。第三,相关性。站在财务角度来看,诱导财务出现风险的主要因素有两点,第一点是因为资源分配缺少高效性;第二点是财务管理方式欠妥当,进而导致高校处于竞争劣势位置。为了提升高校核心竞争力,高校一味追求运营效率,忽视了财务管理质量,从而使得高校陷入过度运营的状况。

  高校制定财务预警系统的主要作用就是对高校负债承受力进行考核,鉴于高校财务运行存在的特殊性,本文将标准系统划分成两个层次,第一个是一级指标;第二个是二级指标。一级指标主要涉及了三方面的内容,包含了补偿能力、运行能力、发展前景。其中补偿能力一级指标下设有包括高校的总资产、总负债等二级指标。运行能力一级指标下设包括高校自我筹资能力、年度收入及支出等二级指标。发展前景一级指标下设包括应收账款、借出款、年现金净额等二级指标。

  2.高校财务预警综合指数(SWI)的设置

  高校在进行财务预警综合指数设定时,需要采用专家意见模式,这可以给今后计算提供便利条件。本篇文章主要采用简化的形式,将补偿能力以及运行能力当作重点考核对象,并且给以其最大权重均 0.4,发展前景给以其最大权重 0.2,而综合预警指标中指标权重也是依照各项指标间的重要性进行判定。补偿能力预警综合指数 A=0.4A1+0.6A2;运行能力预警综合指数 B=0.5B1+0.5B2;发展前景预警综合指数 C=0.6C1+0.4C2.将上述三个指标进行融合,来对高校负债运营财务风险综合预警指数进行设定,下述为高校综合预警指标:高校财务预警综合指数 SWI=0.4A+0.4B+0.2C。要想将高校所承担的财务风险进行直观的表述,就要结合风险数值以及标准进行比较,本文将高校负债运营财务风险分配成四部分:

  安全指数:0 < SWI < 0.24;
  轻度风险预警指数:0.24 < SWI < 0.49;
  中度风险预警指数:0.49 < SWI < 0.74;
  高度风险预警指数:0.74 < SWI < 1.0.

  3.高校财务预警模型选择

  针对之前的研究,最常应用的分析模式就是直线回归以及指数平滑等,但是这些方式需要在符合正态性以及方差齐等基础上开展,同时要对各个指标之间的线性关系进行设定。然而,结合实际情况来看,高校财务情况以及财务比率之间都存在非线性联系,并且很多指标都是呈现非正态分布。而当前诸多领域开始应用 BP 神经网络模型。因此,本文就对基于 BP 神经网络模型的高校财务困境预警系统的构建进行探究,利用神经网络自身具备的学习特性,借助模型中的输入、输出等功能,来构建一个完善的高校财务风险评估以及预警体系。

  (1)BP 神经网络模型。其作为一个原始的神经网络模型,主要由三部分组合而成:第一是输入层;第二是隐含层;第三是输出层。层间神经元需要进行全面链接,同时层内神经元不需要链接,其中隐含层可以为单层,也可为多层。本文主要对基于 BP 神经网络模型的财务预警系统进行探究。

  (2)网络的预测结果。本文主要对某高校 2008 年2 月至 2015 年 9 月,以半年为单位,进行 数据提取,在八年时间中提取了 16 个数据,首先把 2008 年 2 月至2015 年 2 月 阶段中的指标 对应数据当作 网络输入,把2008 年 9 月 ~2015 年 9 月阶段中指标主句当作网络输出,开展网络训练工作,保证误差符合满意标准,将训练完毕的网络进行预测. 此后,把 2008 年 9 月至 2015年 9 月阶段中的指标对应数据当作网络输入,对 2009年 2 月至 2016 年 2 月的指标预测值进行预测,以此类推,获得 2016 年 2 月、2016 年 9 月的对应指标预测值。

  一高校资产负债情况为标准,应用 BP 神经网络模型对高校 2016 年 2 月、2016 年 9 月的财务指标变化幅度进行预测。结果表明,实际指标和预测指标相似,由此可见,利用 BP 神经网络模型可以对财务风险进行预测,并且预测结果具备较高的准确性。

  4.实证结果分析

  根据上述预测结果我们可以得知,将 BP 神经网络模型运用到高校财务困境预警系统中,可以对高校的财务风险进行预测,并且预测结果具备较高的准确性。这样可以有效的保证高校的财务安全,从而推动高校的稳定发展。

  三、结束语

  总之,要想保证高校财务安全,就要对高校财务情况有所了解,并且提出相应的财务风险控制措施,给今后的高校财务风险管理提供技术保证。结合实际案例,将 BP 神经网络模型运用到高校财务困境预警系统中具有较高的可行性,该种方式可以准确、快速的获得评估结果,达到动态以及静态融合评估的目的。

  参考文献
  1. 李芙蓉,刘红梅,麻晓刚. 基于 BP 神经网络模型的高职院财务预警系统研究.财会通讯,2010(08).
  2. 邓敏,韩玉启. 基于支持向量机的大学财务困境预警模型.南京理工大学学报,2012(03).
  3. 鲍新中,何思婧. 企业财务预警的研究方法及其改进 基于文献综述.南京审计学院学报,2012(05).
  4. 宋敏坚. 基于 BP 神经网络模型的公司财务危机预警实证研究.现代商业,2012(35).


上一篇:基层财政所如何做好财务管理工作
下一篇:基于价值链管理模式的建筑业财务管理初探
重要提示:转载本站信息须注明来源:原创论文网,具体权责及声明请参阅网站声明。
阅读提示:请自行判断信息的真实性及观点的正误,本站概不负责。
别人都分享了,你还在等什么?赶快分享吧!
更多
高校财务预警系统中BP神经网络模型的运用相关文章
我们的服务
联系我们
热门推荐
热门推荐
快速导航: