基于模糊多属性决策与深度学习的财务绩效预测研究  

Research on Financial Performance Prediction Based on Fuzzy Multi-attribute Decision Making and Deep Learning

作　　者：任子兢 胡彦蓉[1] 刘洪久[1] 周懋泽 Ren Zijing;Hu Yanrong;Liu Hongjiu;Zhou Maoze

机构地区：[1]浙江农林大学数学与计算机科学学院

出　　处：《金融科技时代》2024年第11期27-35,共9页FinTech Time

基　　金：教育部人文社会科学研究规划基金项目(编号:18YJA630037,21YJA630054);浙江农林大学学生科研训练项目资助。

摘　　要：文章运用模糊多属性决策方法和深度学习方法对财务绩效进行研究,通过5个维度、45项指标构建了财务绩效体系,对比了标准离差法、熵权法、CRITIC法和独立性权重法在指标赋权上的区别,从不同角度证明了其适用性,并结合模糊综合评价、灰色关联度、TOPSIS进行绩效测度。在绩效等级划分方面,运用模糊C-均值聚类、K均值聚类、SOM聚类将企业财务绩效分为5个等级,并利用模糊聚类为企业财务绩效分配标签。将卷积神经网络与长短期记忆神经网络结合构建财务绩效预测模型,并对比了SVM、KNN和决策树模型。实证结果表明,文章提出的FUZZY-FCM-LSTM-CNN模型拥有较好的预测能力,准确率可达97.60%,这也验证了模糊多属性决策和深度学习的方法适用于企业财务绩效领域,为管理企业绩效提供了新思路。

关 键 词：财务绩效体系 绩效测度 卷积神经网络 长短期记忆网络 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程] F275[自动化与计算机技术—控制科学与工程]