基于DBN-PSO-ELM的上市公司退市风险预警研究

作者：陈湘州; 杨兴敏; 陶李红; 刘佳

来源：财会通讯, 2022, (10): 136-141.

DOI：10.16144/j.cnki.issn1002-8072.2022.10.016

• BP神经网络
• 极限学习机
• 粒子群算法
• 深度置信网络

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。

• 单位
  湖南科技大学