文献类型：期刊文章

作　　者：林丹楠[1] 李珊珊[2] 肖世龙[3] 张德育[4]

Lin Dannan;Li Shanshan;Xiao Shilong;Zhang Deyu(School of Information Engineering,Fujian Business University,Fuzhou 350012,China;School of Finance and Accounting,Fujian Business University,Fuzhou 350012,China;School of Art and Design,Shenyang Ligong University,Shenyang 110159,China;School of Information Science and Engineering,Shenyang Ligong University,Shenyang 110159,China)

机构地区：[1]福建商学院信息工程学院,福建福州350012 [2]福建商学院财务与会计学院,福建福州350012 [3]沈阳理工大学艺术设计学院,辽宁沈阳110159 [4]沈阳理工大学信息科学与工程学院,辽宁沈阳110159

出　　处：《南京理工大学学报》

基　　金：教育部产学合作协同育人项目(201802284028);福建省中青年教师教育科研项目(科技类)(JAT200394);辽宁省自然科学基金(20180520038)。

年　　份：2021

卷　　号：45

期　　号：3

起止页码：361-365

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、CSCD、CSCD_E2021_2022、IC、JST、RCCSE、SCOPUS、UPD、ZGKJHX、核心刊

摘　　要：为了提高企业财务风险预警的准确度,采用长短期记忆(LSTM)神经网络算法建立企业财务风险预警模型。首先分析企业财务风险预警指标,并选取重要度高的指标构建企业财务风险预警特征样本。然后经过LSTM神经网络训练,采用遗忘门和记忆节点对历史财务数据进行遗忘和筛选,保留部分数据代入下次神经网络训练,通过反向传播获取最优权重与阈值。以企业财务风险预警准确度为目标函数,获得稳定的企业财务风险预警模型。实验证明,LSTM神经网络算法能够对企业财务重要指标进行预测,而且能正确设置企业财务风险预警阈值。通过和常用企业财务风险预警算法对比,本文算法的预警准确率更高。

关 键 词：长短期记忆  神经网络 企业财务风险预警 遗忘门  记忆节点  

分 类 号：TP391]