文献检索-宁波市创意产业特色资源库

限定检索结果

基于DBN-PSO-ELM的上市公司退市风险预警研究: 收藏
分享
引用; 《财会通讯》2022年第10期 136-141页; 作者：陈湘州杨兴敏陶李红刘佳湖南科技大学商学院湖南湘潭411201; 鉴于目前已有的预测上市公司退市风险的模型存在运行速度慢,易陷入局部最优解而导致模型泛化能力弱的问题,文章提出了一种将粒子群算法(PSO)、深度置信网络与极限学习机(ELM)相结合的风险预警模型,即DBN-PSO-ELM预警模型。通过构建上市...; 鉴于目前已有的预测上市公司退市风险的模型存在运行速度慢,易陷入局部最优解而导致模型泛化能力弱的问题,文章提出了一种将粒子群算法(PSO)、深度置信网络与极限学习机(ELM)相结合的风险预警模型,即DBN-PSO-ELM预警模型。通过构建上市公司退市风险预警指标体系,运用Matlab软件对我国1306家上市公司进行退市风险预警模型设计。结果表明:DBN-PSO-ELM模型对上市公司退市风险预警的准确性相较于传统的BP神经网络和未经优化的极限学习机模型更优,其模型准确率高达99.2%。因此,文章构建的模型为上市公司的退市风险预警提供了一条新的研究方法。; 来源：详细信息评论

限定检索结果