简介:摘要:建立数学模型进行项目成本预测,用函数关系来表示比较稳定的结构或现象间比较稳定的相关关系,对一定时期内成本变动的趋势做出判断,进行项目成本预测是确定成本目标的一种有效技术。
简介:本文将中国上市公司因财务状况异常而被特别处理(ST)作为企业陷入财务困境的标志,采用主成分分析方法确定模型变量,并利用多元判别分析、Logistic回归和改进型BP神经网络三种方法进行财务困境预测。比较其预测结果发现,BP神经网络模型的预测准确率明显优于多元判别分析和Logistic回归模型,而后两者的判别效果接近,可见改进型BP神经网络模型更适合于企业财务困境预测。但三种模型的长期预警能力均不够理想,需要建立以定量模型为主、定性分析为辅的上市公司财务困境预测方式,以提高预测的准确性。
简介:摘要:棉花作为重要的战略物资,其价格是影响棉农的种棉积极性和纺织企业生产的重要因素。本文利用Python获取棉花价格历史数据并对数据的时间序列特征进行分析。建立了基于LSTM网络的棉花价格预测模型并与BP神经网络模型的预测结果进行对比分析,验证了LSTM棉花价格预测模型的实用性和精确度。
简介:摘要:过往研究中发现,深度学习方法中的LSTM模型在预测金融时间序列时表现良好。本文基于LSTM模型,对模型的层数、结构、激活函数等进行优化,并将优化后的模型用于对上证50ETF收盘价的预测,结果发现:①模型的层数会影响预测结果,过浅或过深的模型层数都会降低模型的预测能力,两层的LSTM模型对上证50ETF收盘价的预测能力最佳;②引入非线性激活函数的全连接层作为隐藏层可以提升模型的预测能力,exponential激活函数的表现最佳;③对特定隐藏层使用Xavier权重初始化方法可以提升模型预测能力。优化后的LSTM模型预测能力明显提升,该优化方法为LSTM模型构造提供了新的思路。