BP神经网络在证券公司数据挖掘及预测中的应用及相关算法的探索

摘要

随着国内金融业的改革和发展，特别是中国加入WTO以后，为了提高自身的竞争力，国内金融企业都开始加速建立和完善自己的管理系统。对于处于高端服务性行业的金融行业，潜在和未知的风险将给企业、行业乃至社会金融体系带来巨大的冲击，如何评估风险已然成为迫切的需求。 对于金融企业而言，数据挖掘技术、风险评估模型及其应用系统可以帮助发现业务趋势，揭示已知事实，预测未知结果，以达到增加收入、降低成本、回避风险，使企业处于更有利的竞争位置的目的。 本论文在对BP神经网络在数据挖掘和风险预警方面充分研究后，提出提前对公司进行财务危机预警的方案。国外财务危机研究集中于公司破产预测，国内缺少这方面的数据。本文着首先眼于中国证券市场存在的ST制度，即连续两年亏损的公司将被特殊处理以警示退市风险,因而提前利用上市公司财务报表数据进行财务危机预警研究具有实用性。 其次，应用了Ruck的提出的人工神经网络类器建立了BP人工神经网络模型。此模型输出公司2年后财务危机正常和财务危机的概率，通过比较两个概率确定2年后公司的财务状况。 最后，通过1998年到2002年间上市公司的财务数据，证明了BP人工神经网络模型的有效性。对财务正常公司预测的准确率达到82％，对陷入财务危机的公司预测的准确率达到78％。实验中研究了训练集合中正常公司和陷入财务危机公司在数目和行业上搭配问题，如何避免BP人工神经网络过度拟和，中间隐层神经单元数目对预测准确率的影响等。