网站地图耀炎论文网-欢迎广大职称论文发表的作者在本网站杂志投稿!
论文网

 论文发表联系我们

论文范文 李编辑
联系微信:左侧可见
免费电话:加QQ/微信可知
 当前位置:论文发表 > 论文范文参考 > 经济论文 > 基于BP神经网络的“互联网+农业”上市公司绩效评价

基于BP神经网络的“互联网+农业”上市公司绩效评价

发布时间:2019年10月19日 10:54:24    文章来源:耀炎论文网    作者:苍编辑    阅读:

导读:这是一篇完整优秀的关于经济论文范文,这一篇论文共有5967字符,本篇题目是关于“基于BP神经网络的“互联网+农业”上市公司绩效评价”的。张蒙 韩於憬 摘 要:“互联网+农业”可加快农业产业化进程,缩短农产品流

论文发表找李编辑【QQ/微信:3456663429】版面费低,出刊快!

张蒙 韩於憬

摘 要:“互联网+农业”可加快农业产业化进程,缩短农产品流通渠道,能够解决农业经营的融资难题,客观评价“互联网+农业”上市公司绩效对农业的转型升级和公司的可持续发展尤为重要。借鉴农业上市公司绩效评价指标,择取15个指标构建“互联网+农业”上市公司绩效评价指标体系,通过层次分析法确定指标权重,并基于BP神经网络构建“互联网+农业”上市公司绩效评价模型。结果表明,绩效评价模型具有良好的泛化能力,能够有效评价农业上市公司绩效,且“互联网+农业”上市公司整体绩效水平差。

关键词:“互联网+农业”;绩效评价;层次分析法;BP神經网络

中图分类号:F830.91文献标志码:A文章编号:1673-291X(2019)12-0071-05

引言

农业是国民经济建设和发展的支柱产业,其发展关乎国家经济命脉。作为农业产出的农产品,其流通连接着广大农民和众多的消费者,直接影响农民和消费者的切身利益。由于流通环节多、效率低下、损耗严重等,导致“菜贱伤农”“菜贵伤民”时有发生,农产品流通陷入困局。流通环节多、效率低下、损耗严重等问题,与农业公司专业性弱、大而不优、多而不强密切相关。随着互联网时代的到来,互联网技术的不断更新,催生了电子商务,为农业公司创新和转型升级提供了新的思路。农业上市公司是支撑农业发展的龙头企业,对推进农业产业化、发展现代农业起引领作用。目前,许多农业上市公司已着手布局“互联网+”领域,抢占“互联网+农业”先机[1]。所谓“互联网+农业”,是指依托互联网技术,实现生产要素的合理配置,以及人力、物力和资金的优化调度,提高生产效率,推动农业生产方式和运营方式的变革,从而促进农业的转型升级。“互联网+”背景下,“互联网+农业”上市公司绩效如何,应如何加强自身绩效管理,对其可持续性发展和整个农业的转型升级起重要作用。

目前,农业上市公司的绩效评价主要采用平衡记分卡、因子分析法、EVA分析法等线性回归方法。彭晓洁、高梦捷(2014)运用因子分析法对我国农业上市公司进行绩效评价,结果表明,农业上市公司绩效差距较大[2]。蕾娜、邓淑红(2016)基于EVA构建农业上市公司绩效评价模型,结果表明,我国农业上市公司运营状况差[3]。线性回归方法只能评价指标间的线性关系,不能判定指标间非线性关系。而BP神经网络具有自学习和自适应能力,其非线性映射能以任意精度逼近非线性函数[4],因此能够评价指标间的非线性关系。目前BP神经网络以其独特性在医药企业、商业银行等不同领域得到广泛运用,但尚未涉足农业公司绩效评价。褚淑贞、杨家欣(2015)基于BP神经网络构建了医药企业绩效评价模型,研究表明,BP神经网络能准确评价医药企业绩效[4]。蔡艳萍、孙夏(2016)综合运用BP神经网络和灰色关联度对上市商业银行绩效进行评价,结果表明,BP神经网络评价模型具有很好的泛化能力[5]。

因此,本文以“互联网+农业”上市公司为研究对象,拟借鉴农业上市公司绩效评价指标,运用层次分析法确定指标权重,基于BP神经网络构建“互联网+农业”上市公司绩效模型,并根据评价结果提出绩效优化建议,对“互联网+农业”上市公司改善经营管理水平和促进农业产业化具有重要意义。

一、“互联网+农业”上市公司绩效评价指标体系构建

(一)绩效评价指标选取

对农业上市公司的绩效评价主要采取传统的财务绩效指标,从“会计收益状况”“资产运营情况”“偿债能力”“发展能力”四个方面进行。赵景芬、戴蓬军(2013)采用净资产收益率和总资产收益率两个反映会计收益的指标,评价农业上市公司绩效[6]。吉生保、席艳玲、赵祥(2012)以主营业务收入和利润总额两个反映资产运营的指标、度量农业上市公司绩效[7]。彭晓洁、高梦捷(2014)从获利能力、营运能力、偿债能力和发展能力四个维度评价农业上市公司绩效,以销售净利润率、净资产收益率和每股收益反映获利能力,以存货周转率、应收账款周转率和总资产周转率反映营运能力,以速动比率、资产负债率和已获利息倍数反映偿债能力,以营业收入增长率、净利润增长率和总资产增长率反映发展能力。传统绩效评价指标能有效评价上市公司绩效,但存在过分注重利润指标不足[2]。故,张平心、陈琳、李补喜(2006)在传统绩效评价指标基础上,增加了每股经营现金流量以反映公司盈利质量[8]。

基于现有绩效评价研究,本文综合考虑传统绩效指标和盈利质量指标,从会计收益、资本运营、偿债能力、发展能力和盈利质量五个方面评价“互联网+农业”上市公司,以求全面反映其绩效水平。

(二)绩效评价体系构建

本文以“互联网+农业”上市公司绩效为总的测评目标,即目标层;以会计收益、资产运营、偿债能力、发展能力和盈利质量作为达到总目标所涉及的中间层指标,即一级指标;准则层为直接评价“互联网+农业”上市公司绩效的具体指标,即二级指标。用U表示“互联网+农业”上市公司绩效,U1,U2,U3,U4,U5表示二级指标,即U={U1,U2,U3,U4,U5}={会计收益,资产运营,偿债能力,发展能力,盈利质量}。Uij表示具体二级指标(i=1,2,3,4,5;j=1,2,3,4)。“互联网+农业”上市公司绩效评价体系(见表1)。

二、基于BP神经网络的绩效评价模型构建

BP神经网络是单向传播的前向神经网路,由输入层、隐含层和输出层3个层次构成。研究表明,隐含层个数会影响神经网络学习速率,3层神经网络可以逼近任意连续函数[9]。因此,本文选择结构相对简单的3层BP网络构建“互联网+农业”上市公司绩效评价模型,具体步骤如下:

步骤一,确定输入层、输出层神经元个数。根据绩效评价指标体系,影响“互联网+农业”上市公司绩效的主要是二级指标,共15个,则输入层的神经元个数为15,即m=15;以评价结果作为网络输出,则输出层神经元个数是1,即n=1。

步骤二,确定隐含层神经元个数。研究表明,隐含层神经元个数是由网络收敛性能的好坏来确定的,本文采取高大启(1998)在大量网络结构基础上得到经验公式[10]:

这里m=15,n=1,因此可以得到隐含层神经元个数为L=7。

步骤三,确定神经元转换公式。通常,输入层到隐含层的转换函数为tan sig,隐含层到输出层的转换函数为purelin。

步骤四,确定期望输出。本文通过专家访谈,利用层次分析法得到各一级、二级指标的权重,各二级指标和对应的一级指标权重相乘得到各二级指标的最终权重,具体(见下页表2)。以最终权重和各二级指标数值的乘积之和作为BP神经网络的期望输出。

步骤五,确定评价标准。根据计算结果將绩效水平分为三个等级,分别为优、良、差,对应的取值范围分别为0.6—1、0.4—0.6、0—0.4(见下页表2)。

三、实证分析

(一)样本选取及数据来源

本文研究对象为以农产品生产、销售、流通为主的农业上市公司,且这些公司实施了“互联网+”战略,数据来源于中国财富网上相关公司的财务报告。中国财富网上农牧饲渔板块共71家公司,其中部分公司以农业生产资料的生产、销售为主,与本文研究对象不相符,且部分公司财务报表存在数据缺失。因此,剔除不相符和财务报告数据缺失的公司,最终选取了40家农业上市公司2016—2017年的财务数据。选取的40家上市公司中,有8家公司采取“互联网+”战略,包括大湖股份、大康农业、好想你、宏辉果蔬、农产品、青怡股份、盛盈汇、獐子岛。本文以8家“互联网+农业”上市公司为测试样本,以剩余32家上市公司为训练样本,探究“互联网+农业”上市公司绩效水平。

(二)数据预处理

本文数据来源于上市公司财务报表,为了避免因指标单位不一和数据差距较大而造成的网络麻痹,需要对数据进行归一化处理。本文所选15个指标中,有11个为正向指标,4个为适中指标,对不同的指标采用不同的归一化处理方式。

(三)网络模型训练及结果分析

以32个训练样本的数据作为样本的输入,采用Matlab软件进行网络训练,具体代码如下:

net=newff(P,T,[7],{'tansig','purelin'},'traingd');

net.trainParam.show=50;%每隔50步显示一次训练结果

net.trainParam.lr=0.05;%学习率为0.05

net.trainParam.epochs=5 000;%允许最大训练次数为5 000

net.trainParam.goal=1e-3;%训练目标最小误差为1e-3

[net,tr]=train(net,P,T)

A=sim(net,P)

在网络训练2 273步之后,训练误差达到目标误差(如下页图所示)。训练样本模型输出结果(如下页表3所示),从期望输出与模型输出对比看,误差在可接受的范围之内,模型评价结果符合实际,说明构建的神经网络模型具有较强的泛化能力,可广泛用于农业上市公司绩效的识别和评价。

调用训练好的模型,将8家“互联网+农业”上市公司数据输入模型进行绩效评价,模型输出结果(如表4所示)。结果表明,8家上市公司绩效水平均衡,均表现不好。在8家公司中,宏辉果蔬绩效表现最好,为0.393,几乎达到良好水平。

(四)优化建议

根据模型输出结果,宏辉果蔬绩效表现最好。宏辉果蔬是一家专业从事生鲜农产品生产、加工和流通服务的公司,产品涵盖全国南北和进口的特色果蔬。其运营具有两个特点:一是采用一体化的现代农业服务模式,建有天津、上海果蔬加工配送基地,集果蔬种植、采购、仓储、配送为一体,实现从基地到客户的直接供应。二是聚焦于中高端消费者,积极拓展国内外大型连锁超市,目前与多家大型连锁超市建立良好的合作关系。

基于宏辉果蔬的特点,本文提出两点绩效优化建议:首先,构建一体化服务模式。一体化模式能够有效减少中间环节、降低流通成本,并能够促进农业规模化。构建一体化服务模式,一方面,应加强生产基地建设与管理,从源头把控产品质量。另一方面,积极利用互联网技术,实现精准营销和产销精准对接。其次,客户精准定位。“互联网+农业”上市公司应根据自身产品特点,细分目标客户群,做到精确销售。

结语

本文以“互联网+农业”上市公司为研究对象,从会计收益、资产运营、偿债能力、发展能力和盈利质量五个维度选择合适的指标,构建“互联网+农业”上市公司绩效评价模型,并实证研究“互联网+农业”上市公司绩效水平,为完善农业上市公司绩效评价体系提供了理论和现实依据。本文研究结论概括如下:

第一,通过专家访谈,利用层次分析法确定了绩效评价指标权重。结果表明,资产运营所占比重最大,为0.2739,而资产运营下的二级指标权重最高的是存货周转率。也就是说,对“互联网+农业”上市公司绩效影响最大的是资产运营指标,而对资产运营影响最大的是存货周转率。

第二,构建了BP神经网络绩效评价模型,以32家农业上市公司作为训练样本进行网络训练。训练结果显示,期望输出与实际输出的误差较小,达到目标误差要求,表明所构建的网络模型具有很好的泛化能力,能有效评价农业上市公司绩效。

第三,利用调试好的网络模型,评价8家“互联网+农业”上市公司绩效水平。结果表明,“互联网+农业”上市公司绩效水平均衡,整体表现差。

参考文献:

[1]寇光涛,卢凤君.“互联网+农业产业链”的实践总结与创新路径[J].农村经济,2016,(8):30-34.

[2]彭晓洁,高梦捷.基于因子分析法的农业类上市公司经营绩效评价[J].财经问题研究,2014,(11):68-73.

[3]蕾娜,邓淑红.基于EVA视角的中国农业上市公司绩效评价[J].现代农业,2016,(5):98-100.

[4]褚淑贞,杨家欣.BP神经网络在医药企业绩效评价中的应用——以我国中成药上市企业为例[J].中国新药杂志,2015,(17).

[5]蔡艳萍,孙夏.基于BP神经网络的上市商业银行绩效评价体系[J].系统工程,2016,(12):24-30.

[6]赵景芬,戴蓬军.农业类上市公司多元化经营对绩效的影响研究[J].农业技术经济,2013,(12):118-124.

[7]吉生保,席艳玲,赵祥.中国农业上市公司绩效评价——基于SORM-BCC超效率模型和Malmquist的DEA-Tobit分析[J].农业技术经济,2012,(3):114-127.

[8]王平心,陈琳,李补喜.整合EVA的上市公司绩效评价模型研究[J].数理统计与管理,2006,(2):186-194.

[9]周庆梅,王柯淇.图书馆数字资源服务绩效模糊神经网络评价研究[J].情报科学,2015,(2):41-45.

[10]高大启.有教师的线性基本函数前向三层神经网络结构研究[J].计算机学报,1998,(1):80-86.

本文来源:http://www.qikan1.cn/jingji-lunwen/8397.html

经济论文范文大全推荐

版权声明:以上文章中所选用的图片及文字来源于网络以及用户投稿,由于未联系到知识产权人或未发现有关知识产权的登记,如有知识产权人并不愿意我们使用,如果有侵权请立即联系:3456663429@qq.com,我们立即下架或删除。

 

 

QQ在线编辑

  • 在线咨询
  • 论文发表

服务热线

展开