Page 173 - 财务与金融

第四章 财务风险背景下的战略预算管理评价研究

此修正前一层权值。经典的BP神经网络模型包含一个输入层、若干个中间隐含

层和一个输出层三个层次，这三个层次形成一个阶层型网络系统。输入层的每一
个节点对应一个预测变量，输出层的节点对应目标变量，隐含层处于输入层与输
出层之间。各层之内的神经元不连接，各层之间的神经元实现全连接，而其中的
隐含层既可能只是一层，也可能会有多层，隐含层的层数和每层节点数决定了神

经网络的复杂程度。现有研究表明，三层的BP神经网络结构可以实现函数的任
意逼近，是常用来进行评价与预测的理想工具。
人工神经网络之所以能在这部分中运用来对战略预算管理问题进行评价的理

由主要有以下几个方面。一是由于人工神经网络能够较好地进行非线性函数映
射，具有极强的非线性逼近能力。而战略预算问题是一个非线性、非结构化的复
杂经济问题，类似于一个多变量和大规模的复杂系统，特别适合运用人工神经网
络方法来进行情景模拟和管理控制；二是由于运用人工神经网络方法来求解问

题的答案不需要进行事先建模，特别适用于那些由于缺乏先验知识和理论模型而
需要进行数据挖掘的问题，战略预算管理决策者较为容易掌握和接受。而传统预
测方法需要决策者具有较深的专业知识，决策者事先必须对所要进行评价的问题

建立准确的模型，因而受到现实决策者的排斥；三是传统的评价方法不具有灵活
性，无法适应环境的新变化。而人工神经网络对样本集的重新定义功能、对拓扑
结构重新调整功能和网络自我训练功能，使之具有较好的自我适应能力和较强的

自我学习能力，因而能够适应环境带来的新变化。四是战略预算管理评价问题是
一个没有规律可循的问题，其内部结构非常复杂，需要处理的数据十分多，对数
据必须进行深度计算与分析，才能找出某些变化规律。而人工神经网络的训练过

程正是总结规律的过程，并能借助计算机强大的运算功能使得复杂问题简单化。
（二）人工神经网络评价的基本思路
输出不一致时，必须对权值进行修正。具体而言，BP神经网络分析步骤如
下。第一，对网络进行初始化训练，通过网络的自映射能力构造合理的网络结

构，取可调参数（权和阈值）为[-1，1]上服从均匀分布随机数，并取定期望误
差、最大循环次数和修正权值的学习率的初始值；第二，利用BP神经网络的自
学习功能对网络进行训练，求得权值修正后的误差平方和；第三，检查网络误差

平方和是否降低到期望误差之下，如果符合，则训练结束；如果不相符合，则继
续进行训练，直到合格。

165