文献类型：期刊文章

作　　者：虞文美[1] 方扶星[2]

YU Wen-mei;FANG Fu-xing(School of Finance,Anhui University of Finance and Economics,Bengbu 233030,Anhui,China)

机构地区：[1]安徽财经大学金融学院金融学系,安徽蚌埠233030 [2]安徽财经大学金融学院,安徽蚌埠233030

出　　处：《山西师范大学学报（自然科学版）》

基　　金：国家社会科为基金青年项目(15CJY085);安徽财经大学校级课题(ACKY1728).

年　　份：2020

卷　　号：34

期　　号：3

起止页码：83-91

语　　种：中文

收录情况：普通刊

摘　　要：针对标准BP神经网络仅从预测误差负梯度方向修正权值和阈值,存在学习算法收敛速度满、容易陷入局部最小值从而导致模型泛化能力不足的问题.本文提出了一种基于误差反向传播算法(back-propagation algorithm,BP)改进的弹性反向传播算法(resilient back propagation,Rprop),并与主成分分析法相结合,形成了PCA-Rprop神经网络算法.同时,构建包含财务变量和非财务变量的预警体系,运用Matlab软件对我国195家建筑业(涉及房地产概念)上市公司进行退市风险预警实证分析,实证结果表明PCA-Rprop神经网络算法的退市风险预警准确性相较于标准BP神经网络算法和支持向量机模型分别提高了7.03%和10.29%.因此,该模型有望为利益相关者的风险管控和投资决策提供较好的参考依据.

关 键 词：退市风险预警  Rprop神经网络  PCA  MATLAB

分 类 号：F222]