基于BP神經網絡評價模型的會計信息質量評價

田　力

?

基于BP神經網絡評價模型的會計信息質量評價

田力

摘要：本文主要是為了評價會計信息的質量，試圖找到一種有效的評價方法并構建合理科學的評價模型。首先，文章將分析會計信息質量的評價指標，確定會計信息質量評價指標體系，再引入BP神經網絡評價方法，并對評價方法的基本概念和操作方法進行詳細地介紹；然后設計形成了一個BP神經網絡模型，并介紹如何使用MATLAB軟件來操作BP神經網絡模型。

關鍵詞：會計信息質量；BP神經網絡模型；評價模型

會計信息質量特征，即會計信息的確認、計量、記錄和披露程序中所到達到要求和標準?，F如今會計信息失真越來越嚴重，直接導致資本市場的發展嚴重受阻，以及投資者和其他會計信息用戶的投資熱情和自信大大受挫。對他們來說，只有準確評估會計信息質量，他們才能為管理或投資以及其他經濟決策做出正確的選擇。所以，更好地評價會計信息的質量，具有重要的實踐價值和理論意義。

一、構建評價指標體系

(一)選取評價指標

有效地選取會計信息質量評價指標，應該從生成會計信息質量的識別問題和披露會計信息質量的標準來進行探討和研究。會計信息質量特征又兼顧了相關性和可靠性，因此，文章將從相關性和可靠性這兩個方面來分割和選擇會計信息質量評價標準。

企業提供的會計信息之間的相關性應與投資者及其他相關財務報告對用戶的經濟決策需要，有助于投資者如財務報表使用者對企業過去、現在或將來做出評價或預測。即選取重要性、時效性、可比性和明晰性四個評價指標。

可靠性，指的是企業提供的會計信息有誠信，沒有偏見甚至是錯誤的，真實、客觀體現出企業經營業績情況。即企業所提供財務報告，應當內容真實、數據精準。即選取真實性、完整性、謹慎性和實質重于形勢四個評價指標。

(二)構建指標體系

根據上述分析，即可以構建出一套指標體系構架，具體如下面的表所示：

二、BP神經網絡評價方法概述

(一)BP神經網絡的定義

BP神經網絡，從字面意義理解即與生物的神經網絡相似。生物的神經網絡是檢測和識別信息的有機體，并可以在生物間相互傳送信息。

文章所討論的BP神經網絡就是在生物神經網絡的基礎特征上的推廣和應用，從而使BP神經網絡具有模仿，傳輸，識別和控制的特點，而不是完全復制生物神經網絡的結構和功能。BP神經網絡主要是由輸入層、隱含層和輸出層組成，其結構包含至少三層，具有一定的數據傳輸和處理功能，就像生物的神經網絡，具有較強自我調整、自我組織、自我適應和自我協調的能力。

(二)BP神經網絡的算法

BP神經網絡具體的算法如下圖：

為了描述這種模型的操作過程，下面介紹三層BP神經網絡的學習算法。設置參數如下:

xI：輸入節點；ol：輸出節點；yj：隱含節點；dl：輸出節點的期望輸出結果;wij：輸入與隱含層連接權值；vjl：隱含與輸出層連接權值；θj：隱含層閾值；θl：輸出層閾值；f1：隱含層激勵函數；f2：輸出層激勵函數。

1、完整性評價指標選取

我們將BP神經網絡算法中涉及的一些運算和函數具體描述如下：

(1)隱含層，輸出公式：

yj=f1(∑iwij-θj)=f1(netj)

(2-1)

其中：

netj=∑iwijxi-θj〗

(2-2)

(2)輸出層，輸出公式：

ol=f2(∑jvjtyj-θl)=f2(netl)

(2-3)

其中：

netl=∑ivjtyj-θl

(2-4)

(3)傳播中的誤差函數如下：

(2-5)

2、反向傳播過程中的計算程序以及修正權值

(1)輸出層節點與隱含層節點之間權值的變化式為：

(2-6)

其中：

δl=(dl-ol)f'(netl)

(2-7)

(2)隱含層節點與輸入層節點之間權值的變化式為：

(2-8)

其中：

δi=∑lδlwjlf'(netj)

(2-9)

(3)閾值的調整與變化

隱含節點閾值的調整公式為：

(2-10)

Δθj=ηδj

(2-11)

θi(k+1)=θj(k)+ηδj

(2-12)

輸出節點閾值的調整公式為：

(2-13)

Δθl=ηδl

(2-14)

θl(k+1)=θk(k)+ηδl

(2-15)

(4)隱含層和輸出層激勵函數的S(Sigmoid)型函數公式如下：

(2-16)

(2-17)

三、BP神經網絡模型的構建

(一)關于神經元數目的取值

1、輸入層

根據上面構建的指標體系，將在第三層的所有指標體系納入輸入層，作為輸入節點，共有20個神經元，包括：提供主要財務事項的詳細情況，信息披露重要分支的具體情況，經濟核算與時效處理，年度及中期報告披露時效性，會計差錯、會計估計變更和會計政策更正的情況，對于會計信息的陳述或問題的答復的明確性，會計信息披露在年度財務報告中的完整性，披露會計差錯、會計估計變更和會計政策更正信息的完整性，關聯交易相關信息披露的完整性，會計工作是否規范，資信狀況是不良好，會計人員的職業素質和職業道德，治理結構的合理性，高級管理人員的水平的穩定性和可信度，資產減值準備的合理性，解決突發事件的客觀合理性，選擇會計方法合理、適用性，如何認定關聯方交易，合并和分裂業務的方法，其經濟實體的配合條件，收益確認是否符合經濟交易本質情況。

2、隱含層

隱含層單元數的選擇，沒有特別廣泛使用的方法，本文將使用經驗公式來確定單元數。具體包括的計算模式如下：

(3-1)

(3-2)

(3-3)

(3-4)

nH>log2m

(3-5)

(3-6)

公式里的m，n和分別為輸入層、輸出層和隱含層的神經元個數。

從公式和過去的經驗，我們發現隱含層節點和輸入層、輸出層節點的數量，問題的復雜性以及所使用的激勵函數的種類有著密切的關系。而確定隱層節點的數量相對于輸入和輸出層尤其重要，因為整個網絡，最重要的部分在中間層，包括誤差形成、糾錯、權值的修正和網絡的融合以及學習和訓練都發生在這一層，如果節點的數量是相對稀缺的，誤差將很難有效和迅速收斂，導致網絡訓練結果不夠準確;相反，如果節點數量較多，那么模型計算速度將是緩慢的，在這種情況下，網絡性能很難達到一個穩定狀態，更加不容易找到最完美，最優值的結果。為了避免節點過多或過少，我們在選擇隱層神經元的數量的時候，既要保證最終結果的運算的準確性，也與準備解決問題盡量保持一致，更要讓整個網絡結構緊密、集中，避免臃腫。

3、隱含層

如何確定輸出層單元數，主要取決于具體的評價對象的類型，為了達到目的，我們將評估一個單一標的會計信息質量，所以，輸出層只有一個元件，評價只要一個結果。

(二)選取激勵函數

激勵函數將選用S型函數。輸出結果的取值范圍是[-1，+1]或者[0，1]，公式如下(S型函數的硬度系數為x)：

(3-7)

S型激勵函數的另一種常用公式式如下：

(3-8)

(三)BP神經網絡的程序

上面提到的所有工作完成之后,關鍵步驟是利用MATLAB7.0軟件給BP神經網絡編寫程序,創建一個網絡模型。該軟件包括許多創建一個神經網絡所必要的函數和指令。首先,構造神經網絡框架基于net=newff特殊指令。通過這個操作指令,我們可以創建一個三層結構的神經網絡模型。

再使用初始化函數init()初始化神經網絡，主要是對權值和閾值的初始值的確定，init()命令格式如下：

net=init(net)

(3-9)

然后，我們可以開始神經網絡的訓練，在這里，我們會用兩個函數，train()和adapt()，這2個函數可以根據網絡誤差的大小來修正權值和閾值，最終使網絡性能穩定的達到最佳狀態。

再次，即針對網絡仿真過程，為了得到更準確、有效的仿真結果，我們應該使用仿真函數sim()。公式如下：

a=sim(netp)

(3-10)

最后,經過仿真處理后，我們就可以準備幾組測試樣本來測試網絡訓練結果的合理、準確性。(作者單位：吉首大學商學院)

參考文獻：

[1]牛麗文，鄭娟娟.企業會計信息質量模糊綜合評價模型及應用[J].河北工程大學學報(社會科學版)，2012(12).

[2]喬莉.我國會計信息質量問題研究[J].現代商業，2012，No.29126:244-245.

[3]杜棟，龐慶華.現代綜合評價方法與案例精選[M].北京:清華大學出版社，2008.

[4]黃玥.企業內部控制與會計信息質量問題探析[J].中國鄉鎮企業會計，2012，11:169-171.

[5]康楠楠.上市公司會計信息質量評價研究[D].東北石油大學，2012

[6]孟強.基于BP神經網絡的房地產項目風險評價研究[J].商業經濟，2009，(07)：115～116.

作者簡介：田力，吉首大學商學院工商管理專業。