基于BP神经网络评价模型的会计信息质量评价

田　力



基于BP神经网络评价模型的会计信息质量评价

田力

摘要：本文主要是为了评价会计信息的质量，试图找到一种有效的评价方法并构建合理科学的评价模型。首先，文章将分析会计信息质量的评价指标，确定会计信息质量评价指标体系，再引入BP神经网络评价方法，并对评价方法的基本概念和操作方法进行详细地介绍；然后设计形成了一个BP神经网络模型，并介绍如何使用MATLAB软件来操作BP神经网络模型。

关键词：会计信息质量；BP神经网络模型；评价模型

会计信息质量特征，即会计信息的确认、计量、记录和披露程序中所到达到要求和标准。现如今会计信息失真越来越严重，直接导致资本市场的发展严重受阻，以及投资者和其他会计信息用户的投资热情和自信大大受挫。对他们来说，只有准确评估会计信息质量，他们才能为管理或投资以及其他经济决策做出正确的选择。所以，更好地评价会计信息的质量，具有重要的实践价值和理论意义。

一、构建评价指标体系

(一)选取评价指标

有效地选取会计信息质量评价指标，应该从生成会计信息质量的识别问题和披露会计信息质量的标准来进行探讨和研究。会计信息质量特征又兼顾了相关性和可靠性，因此，文章将从相关性和可靠性这两个方面来分割和选择会计信息质量评价标准。

企业提供的会计信息之间的相关性应与投资者及其他相关财务报告对用户的经济决策需要，有助于投资者如财务报表使用者对企业过去、现在或将来做出评价或预测。即选取重要性、时效性、可比性和明晰性四个评价指标。

可靠性，指的是企业提供的会计信息有诚信，没有偏见甚至是错误的，真实、客观体现出企业经营业绩情况。即企业所提供财务报告，应当内容真实、数据精准。即选取真实性、完整性、谨慎性和实质重于形势四个评价指标。

(二)构建指标体系

根据上述分析，即可以构建出一套指标体系构架，具体如下面的表所示：

二、BP神经网络评价方法概述

(一)BP神经网络的定义

BP神经网络，从字面意义理解即与生物的神经网络相似。生物的神经网络是检测和识别信息的有机体，并可以在生物间相互传送信息。

文章所讨论的BP神经网络就是在生物神经网络的基础特征上的推广和应用，从而使BP神经网络具有模仿，传输，识别和控制的特点，而不是完全复制生物神经网络的结构和功能。BP神经网络主要是由输入层、隐含层和输出层组成，其结构包含至少三层，具有一定的数据传输和处理功能，就像生物的神经网络，具有较强自我调整、自我组织、自我适应和自我协调的能力。

(二)BP神经网络的算法

BP神经网络具体的算法如下图：

为了描述这种模型的操作过程，下面介绍三层BP神经网络的学习算法。设置参数如下:

xI：输入节点；ol：输出节点；yj：隐含节点；dl：输出节点的期望输出结果;wij：输入与隐含层连接权值；vjl：隐含与输出层连接权值；θj：隐含层阈值；θl：输出层阈值；f1：隐含层激励函数；f2：输出层激励函数。

1、完整性评价指标选取

我们将BP神经网络算法中涉及的一些运算和函数具体描述如下：

(1)隐含层，输出公式：

yj=f1(∑iwij-θj)=f1(netj)

(2-1)

其中：

netj=∑iwijxi-θj〗

(2-2)

(2)输出层，输出公式：

ol=f2(∑jvjtyj-θl)=f2(netl)

(2-3)

其中：

netl=∑ivjtyj-θl

(2-4)

(3)传播中的误差函数如下：

(2-5)

2、反向传播过程中的计算程序以及修正权值

(1)输出层节点与隐含层节点之间权值的变化式为：

(2-6)

其中：

δl=(dl-ol)f'(netl)

(2-7)

(2)隐含层节点与输入层节点之间权值的变化式为：

(2-8)

其中：

δi=∑lδlwjlf'(netj)

(2-9)

(3)阈值的调整与变化

隐含节点阈值的调整公式为：

(2-10)

Δθj=ηδj

(2-11)

θi(k+1)=θj(k)+ηδj

(2-12)

输出节点阈值的调整公式为：

(2-13)

Δθl=ηδl

(2-14)

θl(k+1)=θk(k)+ηδl

(2-15)

(4)隐含层和输出层激励函数的S(Sigmoid)型函数公式如下：

(2-16)

(2-17)

三、BP神经网络模型的构建

(一)关于神经元数目的取值

1、输入层

根据上面构建的指标体系，将在第三层的所有指标体系纳入输入层，作为输入节点，共有20个神经元，包括：提供主要财务事项的详细情况，信息披露重要分支的具体情况，经济核算与时效处理，年度及中期报告披露时效性，会计差错、会计估计变更和会计政策更正的情况，对于会计信息的陈述或问题的答复的明确性，会计信息披露在年度财务报告中的完整性，披露会计差错、会计估计变更和会计政策更正信息的完整性，关联交易相关信息披露的完整性，会计工作是否规范，资信状况是不良好，会计人员的职业素质和职业道德，治理结构的合理性，高级管理人员的水平的稳定性和可信度，资产减值准备的合理性，解决突发事件的客观合理性，选择会计方法合理、适用性，如何认定关联方交易，合并和分裂业务的方法，其经济实体的配合条件，收益确认是否符合经济交易本质情况。

2、隐含层

隐含层单元数的选择，没有特别广泛使用的方法，本文将使用经验公式来确定单元数。具体包括的计算模式如下：

(3-1)

(3-2)

(3-3)

(3-4)

nH>log2m

(3-5)

(3-6)

公式里的m，n和分别为输入层、输出层和隐含层的神经元个数。

从公式和过去的经验，我们发现隐含层节点和输入层、输出层节点的数量，问题的复杂性以及所使用的激励函数的种类有着密切的关系。而确定隐层节点的数量相对于输入和输出层尤其重要，因为整个网络，最重要的部分在中间层，包括误差形成、纠错、权值的修正和网络的融合以及学习和训练都发生在这一层，如果节点的数量是相对稀缺的，误差将很难有效和迅速收敛，导致网络训练结果不够准确;相反，如果节点数量较多，那么模型计算速度将是缓慢的，在这种情况下，网络性能很难达到一个稳定状态，更加不容易找到最完美，最优值的结果。为了避免节点过多或过少，我们在选择隐层神经元的数量的时候，既要保证最终结果的运算的准确性，也与准备解决问题尽量保持一致，更要让整个网络结构紧密、集中，避免臃肿。

3、隐含层

如何确定输出层单元数，主要取决于具体的评价对象的类型，为了达到目的，我们将评估一个单一标的会计信息质量，所以，输出层只有一个元件，评价只要一个结果。

(二)选取激励函数

激励函数将选用S型函数。输出结果的取值范围是[-1，+1]或者[0，1]，公式如下(S型函数的硬度系数为x)：

(3-7)

S型激励函数的另一种常用公式式如下：

(3-8)

(三)BP神经网络的程序

上面提到的所有工作完成之后,关键步骤是利用MATLAB7.0软件给BP神经网络编写程序,创建一个网络模型。该软件包括许多创建一个神经网络所必要的函数和指令。首先,构造神经网络框架基于net=newff特殊指令。通过这个操作指令,我们可以创建一个三层结构的神经网络模型。

再使用初始化函数init()初始化神经网络，主要是对权值和阈值的初始值的确定，init()命令格式如下：

net=init(net)

(3-9)

然后，我们可以开始神经网络的训练，在这里，我们会用两个函数，train()和adapt()，这2个函数可以根据网络误差的大小来修正权值和阈值，最终使网络性能稳定的达到最佳状态。

再次，即针对网络仿真过程，为了得到更准确、有效的仿真结果，我们应该使用仿真函数sim()。公式如下：

a=sim(netp)

(3-10)

最后,经过仿真处理后，我们就可以准备几组测试样本来测试网络训练结果的合理、准确性。(作者单位：吉首大学商学院)

参考文献：

[1]牛丽文，郑娟娟.企业会计信息质量模糊综合评价模型及应用[J].河北工程大学学报(社会科学版)，2012(12).

[2]乔莉.我国会计信息质量问题研究[J].现代商业，2012，No.29126:244-245.

[3]杜栋，庞庆华.现代综合评价方法与案例精选[M].北京:清华大学出版社，2008.

[4]黄玥.企业内部控制与会计信息质量问题探析[J].中国乡镇企业会计，2012，11:169-171.

[5]康楠楠.上市公司会计信息质量评价研究[D].东北石油大学，2012

[6]孟强.基于BP神经网络的房地产项目风险评价研究[J].商业经济，2009，(07)：115～116.

作者简介：田力，吉首大学商学院工商管理专业。