移植BP模型用于非营利组织财务风险研究

论文摘要

企业财务风险的计量、识别与控制,一直以来都是国内外学者的研究热点。人工神经网络是近年来出现的一种新的识别工具。人工神经网络因其非线性、自适应及学习特性等特点,在企业财务风险的预测中,较传统的计量工具而言,具有更高的准确性和精确度。非营利组织是区别于企业的第三部门,举债发展使其面临着一定的财务风险。人工神经网络在企业财务风险预测中有显著的成效,那么这种识别方法是否同样适用于非营利组织的财务风险预警;如果适用,又是否须要对其进行一定的方法调整,这些是本文研究的重点内容。本文依据BP人工神经网络的相关原理和非营利组织财务风险的特性,在移植BP人工神经网络方法的过程中,改变了该方法常用的因果模式,建立了相关财务指标的时间序列网络结构,用以预测指标值的趋势变化,并结合综合度量的原理对财务风险进行综合预测预报。由于非营利组织存在很多种,本文以公立高等学校为例,具体介绍了BP时序人工神经网络的运用过程,建立一个包括一个输入层、一个隐含层和一个输出层的网络结构。结果表明,运用BP时序人工神经网络可以较为准确地预测各个指标的趋势变化值,从而对财务风险起到预警预报的作用。可见,BP人工神经网络不仅适用于企业,也同样适用于非营利组织的财务风险预警监测。只是由于不同主体的财务特性不同,在移植BP人工神经网络方法的过程中须要对其形式进行一定程度的变换,使之适合监控主体的财务特征,提高预测的准确性。

论文目录

• 目录
• 图表目录
• 附录目录
• 摘要
• ABSTRACT
• 1.绪论
• 1.1 问题的提出
• 1.2 研究目的和研究意义
• 1.2.1 研究目的
• 1.2.2 研究意义
• 1.3 国内外相关研究
• 1.3.1 国外相关研究
• 1.3.2 国内相关研究
• 1.4 研究方法和研究内容
• 1.4.1 研究方法
• 1.4.2 本文的主要研究内容
• 1.4.3 技术路线
• 1.5 本文的新意与不足
• 1.5.1 可能的新意
• 1.5.2 可能的不足
• 2.财务风险的识别、计量及非营利组织相关理论概述
• 2.1 财务风险的定义
• 2.2 非营利性组织财务风险
• 2.2.1 非营利性组织定义及其分类
• 2.2.2 非营利组织财务风险主要表现
• 2.3 企业财务预警方法
• 2.3.1 一元判定模型
• 2.3.2 多元线性判定模型
• 2.3.3 多元逻辑概率判定模型
• 2.3.4 财务风险预警模型的总体评价
• 2.4 BP人工神经网络方法在企业财务预警中的应用
• 2.4.1 BP人工神经网络方法的应用现状
• 2.4.2 BP人工神经网络方法得以运用的原由
• 2.5 本章小结
• 3.BP人工神经网络方法的运用原理及启示
• 3.1 人工神经网络（ANN）简介
• 3.1.1 人工神经元基本结构
• 3.1.2 神经网络模型的分类
• 3.1.3 人工神经网络学习方式
• 3.2 BP人工神经网络
• 3.2.1 BP人工神经网络模型
• 3.2.2 BP神经网络的学习步骤
• 3.3 BP神经网络在非营利组织中的应用
• 3.4 基于BP神经网络的时间序列预测方法
• 3.5 本章小结
• 4.移植BP人工神经网络方法用于非营利组织财务预警的实例分析
• 4.1 时序BP人工神经网络设计
• 4.1.1 传统BP算法局限
• 4.1.2 BP算法的改进
• 4.1.3 传递函数的设计
• 4.1.4 拓扑结构的设计
• 4.2 实例分析
• 4.2.1 高等学校财务风险涵义
• 4.2.2 财务风险评价指标体系
• 4.2.3 高等学校财务风险综合预警系统
• 4.2.4 风险预警的过程及结果分析
• 4.2.5 BP神经网络方法运用的意见和建议
• 4.3 本章小结
• 5.结论与展望
• 5.1 研究结论
• 5.2 研究展望
• 参考文献
• 附录一:高等学校财务风险调查问卷
• 附录二:财务指标分数计算结果
• 附录三:财务指标分数计算结果
• 附录四:财务指标分数计算结果
• 攻读学位期间发表的学术论文目录
• 致谢