BP神經(jīng)網(wǎng)絡在運輸企業(yè)經(jīng)濟效益評價中的應用

黃先軍

摘要：本文選取50家運輸企業(yè)作為樣本，采用主成分分析法對常用的財務指標進行降維，消除指標間的共線性，篩選出具有代表性的指標，構建評價指標體系。采用BP神經(jīng)網(wǎng)絡訓練，對企業(yè)經(jīng)濟效益進行綜合評價分析并得出各指標對綜合評價的權重影響。

Abstract： In this paper， 50 transport enterprises are selected as samples， and the principal component analysis is used to reduce the dimensions of the commonly used financial indicators， eliminate the collinearity between the indicators， select representative indicators， and build an evaluation index system. The BP neural network training is used to analyze the economic benefits of enterprises and get the weight influence of each index on the comprehensive evaluation.

關鍵詞：BP神經(jīng)網(wǎng)絡;運輸企業(yè);經(jīng)濟效益

Key words： BP neural network;transportation enterprise;economic efficiency

中圖分類號：F120? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻標識碼：A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文章編號：1006-4311（2019）16-0004-04

0? 引言

根據(jù)國家統(tǒng)計局數(shù)據(jù)，2017年第三產(chǎn)業(yè)GDP增加值427032億元，增長8.0%，增速高于年GDP增速。交通運輸、倉儲和郵政業(yè)增加值更是增長了9%[1]，十三五規(guī)劃也提出要完善現(xiàn)代綜合交通運輸體系。2018年政府工作報告提出的2019年政府工作任務中，很重要的一點就是減稅降費，而交通運輸業(yè)現(xiàn)行10%的稅率將降至9%，同時強調降低過路過橋費。在政府的支持和大好的經(jīng)濟形勢下，運輸企業(yè)應該好好審視自身的優(yōu)劣勢，提高企業(yè)的經(jīng)濟效益。因此，對運輸企業(yè)經(jīng)濟效益進行評價是必不可少的。

1? 評價指標體系的建立

企業(yè)是以盈利為目的的經(jīng)濟組織。從運行方式來看，企業(yè)就是一個投入產(chǎn)出系統(tǒng)，企業(yè)通過投入資金、人力等資源，運用調整配合組織等方法，最后收獲經(jīng)濟效益[2]。一般通過五個維度的能力反映企業(yè)經(jīng)濟效益，分別是市場價值、盈利能力、償債能力、營運能力及成長能力[3]。體現(xiàn)企業(yè)該五個維度能力的具體常用財務指標如表1。

本文選用50家運輸企業(yè)作為分析對象，樣本數(shù)據(jù)來自于中財網(wǎng)2017年該50家企業(yè)的財務報表數(shù)據(jù)。由于反映企業(yè)某項能力的各指標中存在著共線性，因此運用主成分分析通過spss軟件提取各維度能力的代表性指標，達到降維的效果。

通過對五個維度能力指標進行主成分分析選取，篩選出由特征向量所組成的主成分方程中系數(shù)較大的原始指標作為該維度的代表性指標[4]。以市場能力指標篩選為例：將樣本數(shù)據(jù)的50家運輸業(yè)企業(yè)表示市場能力的每股收益、每股留存收益等六個指標導入spss22系統(tǒng)，計算各指標之間的相關系數(shù)矩陣及特征值和主成分載荷矩陣，分別如表2、表3、表4所示，其中X1表示每股收益，X2表示每股凈資產(chǎn)，X3表示每股營業(yè)利潤，X4表示每股未分配利潤，X5表示每股留存收益，X6表示每股現(xiàn)金流量凈額。

2? BP神經(jīng)網(wǎng)絡

2.1 BP神經(jīng)網(wǎng)絡的工作原理

神經(jīng)網(wǎng)絡起源于生物學，是一種非線性的數(shù)據(jù)建模工具，其本質上就是一種模式識別系統(tǒng)。神經(jīng)網(wǎng)絡根據(jù)訓練數(shù)據(jù)來調整神經(jīng)元之間的“連接權”以及每個功能神經(jīng)元的閾值。目前神經(jīng)網(wǎng)絡已經(jīng)廣泛用于數(shù)據(jù)挖掘數(shù)據(jù)分析及綜合評價中。運用最為廣泛的就是BP神經(jīng)網(wǎng)絡。BP神經(jīng)網(wǎng)絡使用的是誤差逆?zhèn)鞑ィ˙ack Propagation，簡稱BP）算法，通常說BP神經(jīng)網(wǎng)絡指的就是用BP算法訓練的多層前饋神經(jīng)網(wǎng)絡。BP神經(jīng)網(wǎng)絡就是基于前饋神經(jīng)網(wǎng)絡而增加了反饋調節(jié)機制，通過不斷調整權值及閾值，來使神經(jīng)網(wǎng)絡的輸出更接近預期的輸出結果。

2.2 BP神經(jīng)網(wǎng)絡的算法及組成

①BP算法的基本工作流程：將輸入數(shù)據(jù)提供給輸入層神經(jīng)元，然后逐層將信號前傳，直到產(chǎn)生輸出層的結果，然后計算輸出層的誤差，再將誤差逆向傳播至隱含層神經(jīng)元，最后根據(jù)隱含層神經(jīng)元的誤差來對連接權和閾值進行調整，直到滿足條件后停止，并輸出[5]。

②BP神經(jīng)網(wǎng)絡的組成：常用的BP神經(jīng)網(wǎng)絡包含輸入層、隱含層及輸出層，本文采用單隱含層的網(wǎng)絡結構，拓撲圖如圖1所示。

3? 實證分析

3.1 數(shù)據(jù)歸一化處理

在指標評價中，由于各指標的量綱不同，所以需要對指標進行歸一化處理：

3.4 仿真結果與分析

根據(jù)主成分分析構建的企業(yè)經(jīng)濟效益評價指標體系，使用matlab2016a對樣本數(shù)據(jù)進行仿真運算，得出如下結果。

由圖2可知網(wǎng)絡在訓練1524步后訓練結束，樣本均方誤差為0.00099952，網(wǎng)絡具有良好的收斂性。

圖3表示網(wǎng)絡輸出值與期望值之間的相似度R=0.99517，具有良好的相似性。由此可知，本文使用的BP神經(jīng)網(wǎng)絡的構建是成功的，可以運用BP神經(jīng)網(wǎng)絡對企業(yè)的經(jīng)濟效益進行綜合評價。

根據(jù)表7，我們可以發(fā)現(xiàn)，網(wǎng)絡的輸出值與期望值之間的誤差基本上均在10%以下，說明BP神經(jīng)網(wǎng)絡有較強的適應和泛化能力。可以發(fā)現(xiàn)，各個企業(yè)之間的有很大的差距，對于排在下位圈的如編號為31、32、44的企業(yè)應該分析自己處于劣勢的原因，扭轉局面，提升企業(yè)的經(jīng)濟效益。

4? 各指標權重分析

5? 建議及對策

本文選取的樣本都是占據(jù)著市場主要份額的上市公司，采用BP神經(jīng)網(wǎng)絡進行企業(yè)的經(jīng)濟效益綜合評價，選用橫截面數(shù)據(jù)，從微觀的角度分析影響運輸企業(yè)經(jīng)濟效益的因素，可知提高企業(yè)對總資產(chǎn)的處理和運用可以有效提高企業(yè)的綜合能力，以此在市場中占有屬于自己的份額，提升自己在行業(yè)中的影響力。樣本數(shù)據(jù)來自于各個省市，當?shù)氐慕?jīng)濟發(fā)展政策與環(huán)境不盡一致。對于企業(yè)自身來說，也應該結合當?shù)氐膶嶋H經(jīng)濟大環(huán)境的影響，將宏觀因素也考慮進去，實現(xiàn)企業(yè)自身持續(xù)不斷地發(fā)展和正利潤。這也會是在進一步的研究中，所要考慮的方向。

參考文獻：

[1]許憲春.2017年中國經(jīng)濟運行情況分析[J].全球化，2018（03）：5-20，134.

[2]胡湘洪.基于數(shù)據(jù)包絡分析的質量管理人才投入產(chǎn)出效率研究[D].合肥工業(yè)大學，2017.

[3]吳沖，劉佳明，郭志達.基于改進粒子群算法的模糊聚類-概率神經(jīng)網(wǎng)絡模型的企業(yè)財務危機預警模型研究[J].運籌與管理，2018，27（02）：106-114，132.

[4]孫奕馳.上市公司財務績效評價及其影響因素研究[D].遼寧大學，2011.

[5]周志華.機器學習[M].清華大學出版社，2016.

[6]武強，王志強，趙增敏，劉東海.油氣田區(qū)承壓含水層地下水污染機理及其脆弱性評價[J].水利學報，2006（07）：851-857.