【摘 要】
【摘要】 現(xiàn)金流預(yù)測是項(xiàng)目投資決策和評(píng)價(jià)企業(yè)未來價(jià)值的關(guān)鍵性因素。本文通過采用滑動(dòng)窗技術(shù)確定RBF神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本和測試樣本，然后通過變換不同的分布函數(shù)值對(duì)模型進(jìn)行建模和仿真。實(shí)證研究結(jié)果表明，RBF神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練和仿真結(jié)果穩(wěn)定，預(yù)測效果良好。
【關(guān)鍵詞】 滑動(dòng)窗技術(shù) RBF神經(jīng)網(wǎng)絡(luò) 現(xiàn)金流預(yù)測
現(xiàn)金流是企業(yè)績效評(píng)價(jià)和投資項(xiàng)目價(jià)值評(píng)估的重要指標(biāo)，合理的預(yù)測現(xiàn)金流量是決策者和投資者的重要工作。現(xiàn)金流預(yù)測的準(zhǔn)確性依賴于取得詳細(xì)的數(shù)據(jù)信息和采用合理的預(yù)測方法。理論上我們可以建立現(xiàn)金流與各影響因素之間的映射關(guān)系，但由于影響現(xiàn)金流量的內(nèi)外因素眾多并且十分復(fù)雜，有些因素難以量化，有的時(shí)候又難以收集到具體的數(shù)據(jù)，這使得多元回歸分析方法的應(yīng)用受到限制。而基于時(shí)間序列的方法由于建模簡單、易于掌握，所以仍有很好的應(yīng)用前景。
時(shí)間序列的傳統(tǒng)方法主要有時(shí)間序列平滑預(yù)測法和曲線趨勢預(yù)測法，如移動(dòng)平均法、指數(shù)平滑法、可線性化的曲線趨勢模型等。
近年來，以神經(jīng)網(wǎng)絡(luò)為代表的智能算法在預(yù)測方面的應(yīng)用越來越廣泛，智能算法的優(yōu)點(diǎn)在于，即使我們不清楚模型輸入和輸出之間確切的函數(shù)關(guān)系，依然可以獲得較好的預(yù)測效果。本文嘗試使用小樣本條件下的徑向基（RBF）神經(jīng)網(wǎng)絡(luò)結(jié)合滑動(dòng)窗技術(shù)探索預(yù)測現(xiàn)金流的新方法。
