【作　　者】
周 遊

【作者单位】
江苏经贸职业技术学院 南京 210007

【摘　　要】
      企业财务预警是以企业财务信息为基础，通过分析一些敏感性财务指标的变化，对企业可能面临的财务危机进行预测。BP神经网络模型是目前在财务预警领域应用较多也是较成功的一种神经网络模型。但BP神经网络模型在应用中也存在明显的缺陷：①描述财务比率的指标过多，如果将这些指标都作为模型输入将导致网络结构过于庞大；另一方面也将导致神经网络的泛化能力下降，使其预测性能变坏。因此很多研究中只选取部分指标作为模型输入，这样又将导致分析信息的不完整；②由于BP算法采用的是梯度下降搜索方法，在训练过程中容易陷入局部最优，陷入局部最优将直接导致分析结论的偏差。因此，如何在财务预警分析中改善神经网络的性能是一个关键问题。本文提出首先采用主分量分析对高维指标数据进行降维，在保留绝大多数指标信息的前提下缩小网络规模，然后采用具有全局最优搜索能力的粒子群优化算法实现对神经网络连接权值的优化训练，以避免BP神经网络陷入局部最优，提高BP神经网络模型预警结果的科学性和可靠性。