创业板研发投入的神经网络预测:是采用RBF模型还是BP模型?  

Neural Network Prediction Model for R&D of GEM:BP Model or RBF Model?

作　　者：李经路[1] 胡振飞[1] LI Jinglu HU Zhenfei(School of Accounting, Yunnan University, Kunming 650500, Chin)

机构地区：[1]云南大学会计学院,云南昆明650091

出　　处：《科技管理研究》2017年第5期183-190,共8页Science and Technology Management Research

基　　金：云南省社会科学规划基金项目"云南省生态文明指数研究"(201305);云南省社会科学规划教育科学基金项目"DEA视窗分析模型的云南省高校科研项目效率测度"(AC15010);云南省教育厅基金项目"智力资本对云南企业贡献的测度研究"(2014Y025);云南大学第四批中青年骨干教师资助基金项目"上市公司智力资本价值贡献的测度研究"(XT412003);云南大学人文社会科学青年项目"基于补贴和税收优惠的企业研发投入效应研究"(13YNUHSS006);云南大学教学改革基金项目"管理类课程中案例研究评价体系的构建研究"(2016Y07)

摘　　要：创业板公司成立时间较短、企业规模较小,其研发投入的影响因素较多,使用营业净利率、每股收益、董监高年薪、可持续增长率、资产负债率、现金流量净额和GDP这些指标,运用径向基神经网络(RBF)和逆传播神经网络(BP)方法构建一个训练完成的神经网络模型,研究发现RBF神经网络模型比BP神经网络模型具有更好的拟合、预测效果。GEM enterprises are mostly set up in short time. They are usually in small size. there are many factors affecting R＆D investment of GME. Indicators of annual report in GEM are selected , such as the net operating profit ratio, earnings per share, salary of the directors and supervisors and senior, sustainable growth, debt-assets ratio, net cash flow, the index of GDP is applied to reflect the macroeconomic situation. By using BP and RBF neural network model, this paper constructs a neural network model which is training completed. This paper finds that the RBF neural network has better fitting and forecasting effect than BP neural network.

关 键 词：研发投入 人工神经网络 BP神经网络 RBF神经网络 预测 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程] F273.1[自动化与计算机技术—控制科学与工程] F832.51[经济管理—企业管理]