【作　　者】
刘洪久1,2,3（博士） Robert Rieg2 马卫民3

【作者单位】
（1.常熟理工学院管理学院 江苏常熟 215500 2.阿伦应用技术大学〈Hochshule Aalen〉 德国〈Germany〉 73430

【摘　　要】

      【摘要】 现金流预测是项目投资决策和评价企业未来价值的关键性因素。本文通过采用滑动窗技术确定RBF神经网络的训练样本和测试样本，然后通过变换不同的分布函数值对模型进行建模和仿真。实证研究结果表明，RBF神经网络模型训练和仿真结果稳定，预测效果良好。
【关键词】 滑动窗技术   RBF神经网络   现金流预测

      现金流是企业绩效评价和投资项目价值评估的重要指标，合理的预测现金流量是决策者和投资者的重要工作。现金流预测的准确性依赖于取得详细的数据信息和采用合理的预测方法。理论上我们可以建立现金流与各影响因素之间的映射关系，但由于影响现金流量的内外因素众多并且十分复杂，有些因素难以量化，有的时候又难以收集到具体的数据，这使得多元回归分析方法的应用受到限制。而基于时间序列的方法由于建模简单、易于掌握，所以仍有很好的应用前景。
时间序列的传统方法主要有时间序列平滑预测法和曲线趋势预测法，如移动平均法、指数平滑法、可线性化的曲线趋势模型等。
      近年来，以神经网络为代表的智能算法在预测方面的应用越来越广泛，智能算法的优点在于，即使我们不清楚模型输入和输出之间确切的函数关系，依然可以获得较好的预测效果。本文尝试使用小样本条件下的径向基（RBF）神经网络结合滑动窗技术探索预测现金流的新方法。