基于機(jī)器學(xué)習(xí)的國(guó)有資產(chǎn)監(jiān)管系統(tǒng)風(fēng)險(xiǎn)預(yù)警模型的研究.pdf

1、國(guó)有企業(yè)是我國(guó)國(guó)民經(jīng)濟(jì)的支柱產(chǎn)業(yè)，國(guó)有資產(chǎn)的監(jiān)管也是國(guó)家政府部門關(guān)心的問(wèn)題。尤其在國(guó)有資產(chǎn)風(fēng)險(xiǎn)預(yù)警的及時(shí)性和準(zhǔn)確性方面，是國(guó)有企業(yè)資產(chǎn)保值增值和防止國(guó)有經(jīng)濟(jì)流失的重中之重。導(dǎo)致國(guó)有企業(yè)經(jīng)濟(jì)信息滯后的問(wèn)題根源在于風(fēng)險(xiǎn)預(yù)警的及時(shí)性。國(guó)資委綜合績(jī)效評(píng)價(jià)管理辦法中國(guó)有企業(yè)經(jīng)營(yíng)績(jī)效風(fēng)險(xiǎn)預(yù)警方案人為控制因素太多，有待改善。隨著信息技術(shù)應(yīng)用領(lǐng)域的不斷擴(kuò)展，應(yīng)用現(xiàn)代智能信息技術(shù)構(gòu)建國(guó)有資產(chǎn)實(shí)時(shí)監(jiān)管系統(tǒng)是必然趨勢(shì)，是國(guó)有企業(yè)監(jiān)管的未來(lái)發(fā)展方向。國(guó)有資產(chǎn)實(shí)

2、時(shí)監(jiān)管系統(tǒng)中的風(fēng)險(xiǎn)預(yù)警模型要求從靜態(tài)分析向動(dòng)態(tài)分析轉(zhuǎn)變，從單一變量判定模型向多變量判定模型轉(zhuǎn)變，使國(guó)有資產(chǎn)風(fēng)險(xiǎn)預(yù)警具有前瞻性和可靠性。
　　論文主要是針對(duì)國(guó)有資產(chǎn)績(jī)效風(fēng)險(xiǎn)預(yù)警的研究，其主要內(nèi)容結(jié)構(gòu)如下：
　　首先概述國(guó)內(nèi)外學(xué)者對(duì)企業(yè)資產(chǎn)風(fēng)險(xiǎn)預(yù)警的研究，介紹國(guó)內(nèi)外研究企業(yè)資產(chǎn)風(fēng)險(xiǎn)的主要方法及其預(yù)警的優(yōu)缺點(diǎn)，設(shè)計(jì)了論文結(jié)構(gòu)。其次論述機(jī)器學(xué)習(xí)的方法；主要講述粗糙集屬性約簡(jiǎn)的理論方法，時(shí)間序列分析的理論模型，神經(jīng)網(wǎng)絡(luò)的理論算法和小波

3、理論基礎(chǔ)定義。
　　然后主要介紹基于粗糙集的神經(jīng)網(wǎng)絡(luò)模型，針對(duì)國(guó)有企業(yè)目前的經(jīng)營(yíng)績(jī)效進(jìn)行分類。采用國(guó)泰安數(shù)據(jù)庫(kù)中的國(guó)有資產(chǎn)績(jī)效指標(biāo)數(shù)據(jù)作為試驗(yàn)樣本，對(duì)輸入樣本預(yù)處理，再利用粗糙集的條件信息熵屬性約簡(jiǎn)方法進(jìn)行指標(biāo)約簡(jiǎn)。BP算法極易陷入局部最小點(diǎn)的缺點(diǎn)，而小波理論改進(jìn)的BP算法對(duì)樣本數(shù)據(jù)進(jìn)行仿真實(shí)驗(yàn)，能夠有更好的收斂性和準(zhǔn)確率。對(duì)指標(biāo)約簡(jiǎn)后的樣本數(shù)據(jù)集和原數(shù)據(jù)集進(jìn)行小波BP網(wǎng)絡(luò)訓(xùn)練，得到網(wǎng)絡(luò)學(xué)習(xí)結(jié)果并進(jìn)行比較，得到最佳的模型參數(shù)。實(shí)驗(yàn)

4、結(jié)果顯示約簡(jiǎn)后的國(guó)有資產(chǎn)指標(biāo)集可以很好地反映國(guó)有企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)情況。根據(jù)指標(biāo)的約簡(jiǎn)結(jié)果，對(duì)國(guó)有企業(yè)未來(lái)的績(jī)效風(fēng)險(xiǎn)進(jìn)行預(yù)測(cè)建模，主要采用時(shí)間序列分析的方法。從數(shù)據(jù)庫(kù)中提取屬性約簡(jiǎn)后的樣本指標(biāo)序列，再運(yùn)用時(shí)間序列分析模型，預(yù)測(cè)國(guó)有資產(chǎn)績(jī)效指標(biāo)的未來(lái)走勢(shì)；預(yù)測(cè)值經(jīng)過(guò)小波神經(jīng)網(wǎng)絡(luò)(WNN)進(jìn)行訓(xùn)練分析，得到風(fēng)險(xiǎn)預(yù)警值。對(duì)原樣本序列進(jìn)行網(wǎng)絡(luò)訓(xùn)練，對(duì)實(shí)驗(yàn)仿真結(jié)果進(jìn)行對(duì)比。實(shí)驗(yàn)結(jié)果表明，約簡(jiǎn)后的國(guó)有資產(chǎn)績(jī)效指標(biāo)數(shù)據(jù)經(jīng)過(guò)時(shí)間序列分析預(yù)測(cè)，能夠較準(zhǔn)確地進(jìn)