朱 敏

（武漢大學(xué)人民醫(yī)院計(jì)財(cái)處，湖北 武漢 430000）

企業(yè)利潤的預(yù)測(cè)，是在銷售預(yù)測(cè)的基礎(chǔ)上，通過對(duì)產(chǎn)品產(chǎn)銷量、價(jià)格、結(jié)構(gòu)等因素進(jìn)行綜合分析與計(jì)算，測(cè)算企業(yè)未來期間可能達(dá)到的利潤水平及其變動(dòng)趨勢(shì)。它是會(huì)計(jì)預(yù)測(cè)的重要內(nèi)容并且其預(yù)測(cè)方法的選擇是否恰當(dāng)直接關(guān)系到預(yù)測(cè)的準(zhǔn)確性和財(cái)務(wù)預(yù)算的實(shí)用性。大量文獻(xiàn)表明：目前企業(yè)利潤預(yù)測(cè)模型缺乏，成本、數(shù)量、利潤分析法，因素分析法，目標(biāo)利潤分析法這些常用的預(yù)測(cè)方法只能解決確定性問題的，當(dāng)影響利潤的諸多因素（原材料價(jià)格、銷售價(jià)格等）發(fā)生變化時(shí)這些方法將很難給出準(zhǔn)確的預(yù)測(cè)[1]。本文構(gòu)造了BP（Back-Propagation）神經(jīng)網(wǎng)絡(luò)，這種網(wǎng)絡(luò)有著其顯著的優(yōu)越性，即在建模預(yù)測(cè)過程中，只需要知道歷史數(shù)據(jù)，通過這些歷史數(shù)據(jù)構(gòu)造出一個(gè)模型，然后進(jìn)行預(yù)測(cè)，這樣可以避免需要知道狀態(tài)方程的麻煩，也可以避免陷入局部極小。為此本論文采用人工神經(jīng)網(wǎng)絡(luò)方法對(duì)利潤預(yù)測(cè)進(jìn)行探究。

BP網(wǎng)絡(luò)的基本思想。BP神經(jīng)網(wǎng)絡(luò)是誤差反向傳播多層前向反饋式神經(jīng)網(wǎng)絡(luò)，它是按層次結(jié)構(gòu)構(gòu)造的，包括一個(gè)輸入層、一個(gè)輸出層和一個(gè)或多個(gè)隱含層（圖中只畫出一層），如圖1所示，一層內(nèi)的節(jié)點(diǎn)（神經(jīng)元）只和與該層緊鄰的下一層的各節(jié)點(diǎn)連接。這個(gè)網(wǎng)絡(luò)的學(xué)習(xí)過程由正向傳播和反向傳播兩個(gè)過程組成。在正向傳播過程中，輸入信息從輸入層經(jīng)隱含層逐層處理，并向后傳向輸出層，每一層神經(jīng)元的狀態(tài)只影響下一層神經(jīng)元的狀態(tài)。如果在輸出層不能得到期望的輸出，則轉(zhuǎn)向反向傳播過程，將誤差信號(hào)沿原來的連接通路返回，通過修改各層神經(jīng)元的權(quán)值，使得誤差信號(hào)最小[2]。

實(shí)際上，BP模型把一組樣本的輸入輸出問題變?yōu)橐粋€(gè)非線性優(yōu)化問題。我們可以把這種模型看成一個(gè)從輸入到輸出的映射，這個(gè)映射是高度非線性的。如果輸入節(jié)點(diǎn)數(shù)為n，輸出節(jié)點(diǎn)數(shù)為m，則神經(jīng)網(wǎng)絡(luò)表示的是從n維歐氏空間到m維歐氏空間的映射。

第一，利潤預(yù)測(cè)的BP算法。利用BP算法進(jìn)行利潤預(yù)測(cè)與常規(guī)方法（如回歸分析）不同，常規(guī)方法是根據(jù)提供的數(shù)據(jù)找出描述利潤與影響其變化的諸多因素之間關(guān)系的函數(shù)表達(dá)式，然后進(jìn)行預(yù)測(cè)；而BP算法則是把利潤與影響其變化的諸多因素之間的映射關(guān)系隱含在網(wǎng)絡(luò)結(jié)構(gòu)及其權(quán)值上，經(jīng)過學(xué)習(xí)確定具有較好預(yù)測(cè)功能的網(wǎng)絡(luò)結(jié)構(gòu)及權(quán)值，此時(shí)的神經(jīng)網(wǎng)絡(luò)等同于確定的函數(shù)表達(dá)式，可用來進(jìn)行利潤預(yù)測(cè)。

通過上述網(wǎng)絡(luò)訓(xùn)練，得到了確定的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)及其權(quán)值，該網(wǎng)絡(luò)能很好的描述影響利潤變化的因素與利潤之間的映射關(guān)系，可根據(jù)影響利潤的因素進(jìn)行利潤預(yù)測(cè)。

第二，實(shí)例驗(yàn)證。以建筑面積為輸入，施工利潤為輸出，構(gòu)造BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)樣本，結(jié)果表1所示。

表1 訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)的樣本

本文所用的BP網(wǎng)絡(luò)結(jié)構(gòu)為：1-47-7-1（分別表示輸入層、第一隱含層、第二隱含層、輸出層神經(jīng)元的個(gè)數(shù)）。用表1的10個(gè)樣本對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，網(wǎng)絡(luò)經(jīng)過訓(xùn)練之后，描述了一個(gè)時(shí)期內(nèi)建筑面積與施工利潤之間確定的映射關(guān)系，該網(wǎng)絡(luò)只要給出施工的建筑面積即可預(yù)測(cè)出這個(gè)時(shí)期的施工利潤。用回歸分析得出了建筑面積與施工利潤之間的映射關(guān)系：

其中，x為建筑面積，單位：1000m2，y為施工利潤，單位：萬元。

表2 BP神經(jīng)網(wǎng)絡(luò)方法與回歸分析方法利潤預(yù)測(cè)比較

本文BP神經(jīng)網(wǎng)絡(luò)方法與文獻(xiàn)]所用的回歸分析方法進(jìn)行了比較，結(jié)果如表2與圖，可以看出BP神經(jīng)網(wǎng)絡(luò)算法在企業(yè)利潤中進(jìn)行預(yù)測(cè)較好。