黃先軍

摘要：本文選取50家運(yùn)輸企業(yè)作為樣本，采用主成分分析法對(duì)常用的財(cái)務(wù)指標(biāo)進(jìn)行降維，消除指標(biāo)間的共線性，篩選出具有代表性的指標(biāo)，構(gòu)建評(píng)價(jià)指標(biāo)體系。采用BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練，對(duì)企業(yè)經(jīng)濟(jì)效益進(jìn)行綜合評(píng)價(jià)分析并得出各指標(biāo)對(duì)綜合評(píng)價(jià)的權(quán)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(guān)鍵詞：BP神經(jīng)網(wǎng)絡(luò);運(yùn)輸企業(yè);經(jīng)濟(jì)效益

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

中圖分類號(hào)：F120? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文章編號(hào)：1006-4311（2019）16-0004-04

0? 引言

根據(jù)國家統(tǒng)計(jì)局?jǐn)?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(yùn)輸、倉儲(chǔ)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(yùn)輸體系。2018年政府工作報(bào)告提出的2019年政府工作任務(wù)中，很重要的一點(diǎn)就是減稅降費(fèi)，而交通運(yùn)輸業(yè)現(xiàn)行10%的稅率將降至9%，同時(shí)強(qiáng)調(diào)降低過路過橋費(fèi)。在政府的支持和大好的經(jīng)濟(jì)形勢下，運(yùn)輸企業(yè)應(yīng)該好好審視自身的優(yōu)劣勢，提高企業(yè)的經(jīng)濟(jì)效益。因此，對(duì)運(yùn)輸企業(yè)經(jīng)濟(jì)效益進(jìn)行評(píng)價(jià)是必不可少的。

1? 評(píng)價(jià)指標(biāo)體系的建立

企業(yè)是以盈利為目的的經(jīng)濟(jì)組織。從運(yùn)行方式來看，企業(yè)就是一個(gè)投入產(chǎn)出系統(tǒng)，企業(yè)通過投入資金、人力等資源，運(yùn)用調(diào)整配合組織等方法，最后收獲經(jīng)濟(jì)效益[2]。一般通過五個(gè)維度的能力反映企業(yè)經(jīng)濟(jì)效益，分別是市場價(jià)值、盈利能力、償債能力、營運(yùn)能力及成長能力[3]。體現(xiàn)企業(yè)該五個(gè)維度能力的具體常用財(cái)務(wù)指標(biāo)如表1。

本文選用50家運(yùn)輸企業(yè)作為分析對(duì)象，樣本數(shù)據(jù)來自于中財(cái)網(wǎng)2017年該50家企業(yè)的財(cái)務(wù)報(bào)表數(shù)據(jù)。由于反映企業(yè)某項(xiàng)能力的各指標(biāo)中存在著共線性，因此運(yùn)用主成分分析通過spss軟件提取各維度能力的代表性指標(biāo)，達(dá)到降維的效果。

通過對(duì)五個(gè)維度能力指標(biāo)進(jìn)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(biāo)作為該維度的代表性指標(biāo)[4]。以市場能力指標(biāo)篩選為例：將樣本數(shù)據(jù)的50家運(yùn)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(gè)指標(biāo)導(dǎo)入spss22系統(tǒng)，計(jì)算各指標(biāo)之間的相關(guān)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(luò)

2.1 BP神經(jīng)網(wǎng)絡(luò)的工作原理

神經(jīng)網(wǎng)絡(luò)起源于生物學(xué)，是一種非線性的數(shù)據(jù)建模工具，其本質(zhì)上就是一種模式識(shí)別系統(tǒng)。神經(jīng)網(wǎng)絡(luò)根據(jù)訓(xùn)練數(shù)據(jù)來調(diào)整神經(jīng)元之間的“連接權(quán)”以及每個(gè)功能神經(jīng)元的閾值。目前神經(jīng)網(wǎng)絡(luò)已經(jīng)廣泛用于數(shù)據(jù)挖掘數(shù)據(jù)分析及綜合評(píng)價(jià)中。運(yùn)用最為廣泛的就是BP神經(jīng)網(wǎng)絡(luò)。BP神經(jīng)網(wǎng)絡(luò)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(luò)指的就是用BP算法訓(xùn)練的多層前饋神經(jīng)網(wǎng)絡(luò)。BP神經(jīng)網(wǎng)絡(luò)就是基于前饋神經(jīng)網(wǎng)絡(luò)而增加了反饋調(diào)節(jié)機(jī)制，通過不斷調(diào)整權(quán)值及閾值，來使神經(jīng)網(wǎng)絡(luò)的輸出更接近預(yù)期的輸出結(jié)果。

2.2 BP神經(jīng)網(wǎng)絡(luò)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(hào)前傳，直到產(chǎn)生輸出層的結(jié)果，然后計(jì)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(duì)連接權(quán)和閾值進(jìn)行調(diào)整，直到滿足條件后停止，并輸出[5]。

②BP神經(jīng)網(wǎng)絡(luò)的組成：常用的BP神經(jīng)網(wǎng)絡(luò)包含輸入層、隱含層及輸出層，本文采用單隱含層的網(wǎng)絡(luò)結(jié)構(gòu)，拓?fù)鋱D如圖1所示。

3? 實(shí)證分析

3.1 數(shù)據(jù)歸一化處理

在指標(biāo)評(píng)價(jià)中，由于各指標(biāo)的量綱不同，所以需要對(duì)指標(biāo)進(jìn)行歸一化處理：

3.4 仿真結(jié)果與分析

根據(jù)主成分分析構(gòu)建的企業(yè)經(jīng)濟(jì)效益評(píng)價(jià)指標(biāo)體系，使用matlab2016a對(duì)樣本數(shù)據(jù)進(jìn)行仿真運(yùn)算，得出如下結(jié)果。

由圖2可知網(wǎng)絡(luò)在訓(xùn)練1524步后訓(xùn)練結(jié)束，樣本均方誤差為0.00099952，網(wǎng)絡(luò)具有良好的收斂性。

圖3表示網(wǎng)絡(luò)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(luò)的構(gòu)建是成功的，可以運(yùn)用BP神經(jīng)網(wǎng)絡(luò)對(duì)企業(yè)的經(jīng)濟(jì)效益進(jìn)行綜合評(píng)價(jià)。

根據(jù)表7，我們可以發(fā)現(xiàn)，網(wǎng)絡(luò)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(luò)有較強(qiáng)的適應(yīng)和泛化能力。可以發(fā)現(xiàn)，各個(gè)企業(yè)之間的有很大的差距，對(duì)于排在下位圈的如編號(hào)為31、32、44的企業(yè)應(yīng)該分析自己處于劣勢的原因，扭轉(zhuǎn)局面，提升企業(yè)的經(jīng)濟(jì)效益。

4? 各指標(biāo)權(quán)重分析

5? 建議及對(duì)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(luò)進(jìn)行企業(yè)的經(jīng)濟(jì)效益綜合評(píng)價(jià)，選用橫截面數(shù)據(jù)，從微觀的角度分析影響運(yùn)輸企業(yè)經(jīng)濟(jì)效益的因素，可知提高企業(yè)對(duì)總資產(chǎn)的處理和運(yùn)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(gè)省市，當(dāng)?shù)氐慕?jīng)濟(jì)發(fā)展政策與環(huán)境不盡一致。對(duì)于企業(yè)自身來說，也應(yīng)該結(jié)合當(dāng)?shù)氐膶?shí)際經(jīng)濟(jì)大環(huán)境的影響，將宏觀因素也考慮進(jìn)去，實(shí)現(xiàn)企業(yè)自身持續(xù)不斷地發(fā)展和正利潤。這也會(huì)是在進(jìn)一步的研究中，所要考慮的方向。

參考文獻(xiàn)：

[1]許憲春.2017年中國經(jīng)濟(jì)運(yùn)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(luò)分析的質(zhì)量管理人才投入產(chǎn)出效率研究[D].合肥工業(yè)大學(xué)，2017.

[3]吳沖，劉佳明，郭志達(dá).基于改進(jìn)粒子群算法的模糊聚類-概率神經(jīng)網(wǎng)絡(luò)模型的企業(yè)財(cái)務(wù)危機(jī)預(yù)警模型研究[J].運(yùn)籌與管理，2018，27（02）：106-114，132.

[4]孫奕馳.上市公司財(cái)務(wù)績效評(píng)價(jià)及其影響因素研究[D].遼寧大學(xué)，2011.

[5]周志華.機(jī)器學(xué)習(xí)[M].清華大學(xué)出版社，2016.

[6]武強(qiáng)，王志強(qiáng)，趙增敏，劉東海.油氣田區(qū)承壓含水層地下水污染機(jī)理及其脆弱性評(píng)價(jià)[J].水利學(xué)報(bào)，2006（07）：851-857.