论文部分内容阅读
摘 要：在现代信用经济社会中，提高辽宁物流资信评估的准确度和科学性极其重要。企业资信评估是一个多因素的非线性问题，传统的统计学方法无法抓住资信评估的复杂木质，而神经网络可实现非线性关系的隐式表达。因此，该文提出将BP神经网络用于辽宁 物流企业资信评估，建立物流企业资信的BP神经网络评估模型，并通过MAT LAB软件及其神经网络工具对其进行仿真计算。实验结果表明，该方法稳定、快捷，评价结果有效、可靠，对企业资信评估有养良好的性能。
关键词：神经网络;BP算法;资信评估
引言
李克强指出：“中国经济的积极变化，不仅表现在就业增加和居民收入增长上，也体现在结构优化上。简政放权加上“定向减税”、“定向降准”等财税金融措施，有力地支持了服务业、“三农”、小微企业、民营企业和新兴业态的发展。上半年，电子商务、流通快递等新产业、新商业模式迅速增长;新登记注册服务业企业增幅达70%以上，第三产业增速和比重超过第二产业，在国民经济中处于领先地位;民间投资占固定资产投资比重同比提高1.4个百分点;高技术产业和先进装备制造业增长均快于工业整体增长。”，其中中国的电子商务及物流对中国2015年的经济贡献极大。为了建设好第三产业物流企业，就应该建立物流企业信用制度，增强企业信用意识和风险防范意识，规范企业信用评级活动，保障受评企业的合法权益，促进经济社会的健康发展，根据有关法律法规，结合物流企业实际，物流企业资信评估是以独立经营企业或经济主体为对象，神经网络技术可实现非线性关系的隐式表达，扬弃了预测函数的变量是线性和互相独立的假设，信用评级时不用确定各因素的权重且可以处理各指标之间的非线性相关性。文中将基于BP神经网络用于物流企业资信评估，建立了企业资信的神经网络评估模型，通过对原始数据的训练，进行自学习、自组织，最终得到评价结果，避免了人为判断的主观性过大。
一、物流企业资信影响因素选择
物流企业资信度评价即企业评级，以独立经营的物流企业或经济主体为对象，是对其在一般性的商业交往、投资合作及信贷活动中的信用评价。实际上就是对物流企业及经济主体的生产、经营、管理前景及经济效益状况所进行的全而考察与综合评价。文中将物流企业资信等级分为优、良、中、差四个等级。影响物流企业资信的因素很多，在对诸多学者研究的基础上，结合有关文献选取了如下12个财务指标：
（1）反映盈利能力的总资产收益率（X1）、净资产收益率（X2）、主营业务利润率（X3） （4）反映企业经营和管理其资产能力的存货周转率（X7）和应收账款周转率（X 8）
反映企业资本结构的资产负债率（X4）、有形净值债务率（X5） （ 5）反映企业变现能力的速动比率（X9）、流动资产应收帐率（X10）和短期负债现金保障率（X11）
（ 3）反映企业发展潜力的净利润增长率（X6） （ 6）反映企业现金流量的现金比率（X12）
表1 12个反映物流企业资信财务指标
二、神经网络结构设计
BP（Back Propagation）网络是1986年由Rumelhart和McCelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。BP神经网络模型拓扑结构包括输入层（input）、隐层（hide layer）和输出层（output layer）（如图1所示）。
图1 神经网络模型
物流企业资信评估是一个模式识别问题，神经网络的目标是根据企业财务情况给出准确的信用等级。神经网络模型的建立关键是要确定网络的拓扑结构、输入结点、输出结点和层数。设 BP网络的输入层有n个节点，隐层有q个节点，输出层有m个节点，输入层与隐层之间的权值为，隐层与输出层之间的权值为，如图5.4所示。隐层的传递函数为f1（·），输出层的传递函数为f2（·），则隐层节点的输出为（将阈值写入求和项中）：
输出层节点的输出为：
至此B-P网络就完成了n维空间向量对m维空间的近似映射。
图2 三层神经网络拓扑结构
根据Kolmogoro、定理，图2三层神经网络拓扑结构，三层BP网络充分学习后能逼近任何函数，因此构建三层结构的BP神经网络。由于输入向量包含12项指标，故输入层应包含12个结点。隐含结点数的确定有很多经验法则，根据Kolmogoro定理，取2n+ 1个的隐含层结点数，其中n为输入层的结点个数。因此这里隐含层结点数为25个。文中将企业资信等级分别对应一个分值，优取值4，良取值3，中取值2，差取值1。因此，输出层包含1个结点，输出资信得分。
三、实验分析
采用MAT LAB 2012b软件及其神经网络工具箱建立、训练并测试神经网络。样本数据来源于实际上市公司的财务数据，其中30例用于训练网络，5例用于测试。在评价物流企业资信的12个指标中，不同的指标从不同的角度对企业资信进行评估，指标之间无法比较，为了便于最终评价值的确定，需要对各个指标进行无量纲化处理;同时，由于评价中所使用的各项指标之间数值相差很大，不能直接进行比较。为使各指标在整个系统中具有可比性，必须对各指标进行标准化处理。文中在训练前对数据用M at lab中的prestd函数进行归一化处理，使其具有零均值与单位方差，鉴于篇幅的局限性删减了训练样本表。
利用实现BP算法的traingd函数对网络进行训练，2857步后网络误差平方和mse达到了误差标准目标1e- 008的要求。至此，物流企业资信评估的神经网络评价模型已经构建完成，在应用过程中，只需输入测试样本的指标数据，便可以进行测试。
文中将BP神经网络用于企业资信评估
通过实验表明，该方法可行且具有较高的精度，评估结果可作为靠的参考依据。其中预测值和实测值还有一定误差，主要是因为资料数据收集的有限没有足够多的练样本，致使网络还没有得到充分的学习局限性。相信有了足够多的样本后基于BP神经网络的企业资信护估能达到更好的精确性。实验结果同时表明，该方法稳定、快捷，评价结果有效、可靠，对物流企业资信评估有良好的性能。物流企业信用评级根据客观性、公正性、独立性、科学性的原则设定指标体系，采用宏观与微观、动态与静态、定量与定性、历史与未来相结合的科学分析方法评定企业信用等级，另外，还要考虑物流企业的客户服务能力和物流企业的文明业务操作能力作为重要的评价标准，中国经济结构调整深入推进，提高了经济增长质量。我们以改革创新为动力，一手抓压减过剩，尤其是淘汰落后产能，一手抓培育新的增长点，推进企业兼并重组，加大节能减排力度，促进了经济机体新陈代谢，其中电子商务和物流企业的信用等级制度的建立，为中国的经济打下坚实的基础。
参考文献：
[1] 胡珑瑛，蒋樟生.？？基于BP神经网络的创新型企业评价研究[J]. 软科学. 2008（02）
[2] 田真，茹少峰.？？基于BP神经网络的电子企业业绩评价[J]. 中国管理信息化. 2008（03）
[3] 田中禾，刘俊宏，何莉.？？基于BP神经网络的员工素质评价模型[J]. 统计与决策. 2008（05）
[4] 程勇.？？基于BP神经网络的员工绩效模糊综合评价研究[J]. 现代商贸工业. 2008（04）
关键词：神经网络;BP算法;资信评估
引言
李克强指出：“中国经济的积极变化，不仅表现在就业增加和居民收入增长上，也体现在结构优化上。简政放权加上“定向减税”、“定向降准”等财税金融措施，有力地支持了服务业、“三农”、小微企业、民营企业和新兴业态的发展。上半年，电子商务、流通快递等新产业、新商业模式迅速增长;新登记注册服务业企业增幅达70%以上，第三产业增速和比重超过第二产业，在国民经济中处于领先地位;民间投资占固定资产投资比重同比提高1.4个百分点;高技术产业和先进装备制造业增长均快于工业整体增长。”，其中中国的电子商务及物流对中国2015年的经济贡献极大。为了建设好第三产业物流企业，就应该建立物流企业信用制度，增强企业信用意识和风险防范意识，规范企业信用评级活动，保障受评企业的合法权益，促进经济社会的健康发展，根据有关法律法规，结合物流企业实际，物流企业资信评估是以独立经营企业或经济主体为对象，神经网络技术可实现非线性关系的隐式表达，扬弃了预测函数的变量是线性和互相独立的假设，信用评级时不用确定各因素的权重且可以处理各指标之间的非线性相关性。文中将基于BP神经网络用于物流企业资信评估，建立了企业资信的神经网络评估模型，通过对原始数据的训练，进行自学习、自组织，最终得到评价结果，避免了人为判断的主观性过大。
一、物流企业资信影响因素选择
物流企业资信度评价即企业评级，以独立经营的物流企业或经济主体为对象，是对其在一般性的商业交往、投资合作及信贷活动中的信用评价。实际上就是对物流企业及经济主体的生产、经营、管理前景及经济效益状况所进行的全而考察与综合评价。文中将物流企业资信等级分为优、良、中、差四个等级。影响物流企业资信的因素很多，在对诸多学者研究的基础上，结合有关文献选取了如下12个财务指标：
（1）反映盈利能力的总资产收益率（X1）、净资产收益率（X2）、主营业务利润率（X3） （4）反映企业经营和管理其资产能力的存货周转率（X7）和应收账款周转率（X 8）
反映企业资本结构的资产负债率（X4）、有形净值债务率（X5） （ 5）反映企业变现能力的速动比率（X9）、流动资产应收帐率（X10）和短期负债现金保障率（X11）
（ 3）反映企业发展潜力的净利润增长率（X6） （ 6）反映企业现金流量的现金比率（X12）
表1 12个反映物流企业资信财务指标
二、神经网络结构设计
BP（Back Propagation）网络是1986年由Rumelhart和McCelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。BP神经网络模型拓扑结构包括输入层（input）、隐层（hide layer）和输出层（output layer）（如图1所示）。
图1 神经网络模型
物流企业资信评估是一个模式识别问题，神经网络的目标是根据企业财务情况给出准确的信用等级。神经网络模型的建立关键是要确定网络的拓扑结构、输入结点、输出结点和层数。设 BP网络的输入层有n个节点，隐层有q个节点，输出层有m个节点，输入层与隐层之间的权值为，隐层与输出层之间的权值为，如图5.4所示。隐层的传递函数为f1（·），输出层的传递函数为f2（·），则隐层节点的输出为（将阈值写入求和项中）：
输出层节点的输出为：
至此B-P网络就完成了n维空间向量对m维空间的近似映射。
图2 三层神经网络拓扑结构
根据Kolmogoro、定理，图2三层神经网络拓扑结构，三层BP网络充分学习后能逼近任何函数，因此构建三层结构的BP神经网络。由于输入向量包含12项指标，故输入层应包含12个结点。隐含结点数的确定有很多经验法则，根据Kolmogoro定理，取2n+ 1个的隐含层结点数，其中n为输入层的结点个数。因此这里隐含层结点数为25个。文中将企业资信等级分别对应一个分值，优取值4，良取值3，中取值2，差取值1。因此，输出层包含1个结点，输出资信得分。
三、实验分析
采用MAT LAB 2012b软件及其神经网络工具箱建立、训练并测试神经网络。样本数据来源于实际上市公司的财务数据，其中30例用于训练网络，5例用于测试。在评价物流企业资信的12个指标中，不同的指标从不同的角度对企业资信进行评估，指标之间无法比较，为了便于最终评价值的确定，需要对各个指标进行无量纲化处理;同时，由于评价中所使用的各项指标之间数值相差很大，不能直接进行比较。为使各指标在整个系统中具有可比性，必须对各指标进行标准化处理。文中在训练前对数据用M at lab中的prestd函数进行归一化处理，使其具有零均值与单位方差，鉴于篇幅的局限性删减了训练样本表。
利用实现BP算法的traingd函数对网络进行训练，2857步后网络误差平方和mse达到了误差标准目标1e- 008的要求。至此，物流企业资信评估的神经网络评价模型已经构建完成，在应用过程中，只需输入测试样本的指标数据，便可以进行测试。
文中将BP神经网络用于企业资信评估
通过实验表明，该方法可行且具有较高的精度，评估结果可作为靠的参考依据。其中预测值和实测值还有一定误差，主要是因为资料数据收集的有限没有足够多的练样本，致使网络还没有得到充分的学习局限性。相信有了足够多的样本后基于BP神经网络的企业资信护估能达到更好的精确性。实验结果同时表明，该方法稳定、快捷，评价结果有效、可靠，对物流企业资信评估有良好的性能。物流企业信用评级根据客观性、公正性、独立性、科学性的原则设定指标体系，采用宏观与微观、动态与静态、定量与定性、历史与未来相结合的科学分析方法评定企业信用等级，另外，还要考虑物流企业的客户服务能力和物流企业的文明业务操作能力作为重要的评价标准，中国经济结构调整深入推进，提高了经济增长质量。我们以改革创新为动力，一手抓压减过剩，尤其是淘汰落后产能，一手抓培育新的增长点，推进企业兼并重组，加大节能减排力度，促进了经济机体新陈代谢，其中电子商务和物流企业的信用等级制度的建立，为中国的经济打下坚实的基础。
参考文献：
[1] 胡珑瑛，蒋樟生.？？基于BP神经网络的创新型企业评价研究[J]. 软科学. 2008（02）
[2] 田真，茹少峰.？？基于BP神经网络的电子企业业绩评价[J]. 中国管理信息化. 2008（03）
[3] 田中禾，刘俊宏，何莉.？？基于BP神经网络的员工素质评价模型[J]. 统计与决策. 2008（05）
[4] 程勇.？？基于BP神经网络的员工绩效模糊综合评价研究[J]. 现代商贸工业. 2008（04）