基于修正遗传算法的上市公司财务盈余预测模型构建

过去的财务盈余预测往往以统计方法进行,同时预测结果只能以增长或衰退的二元式模式输出,而类神经网络的预测方式也可能因变数的增加,使得网络较为复杂,不容易收敛。为提高上市公司财务预测的准确率,减少传统模型的训练样本数,在传统遗传算法的基础上,本文提出了一种以实际值编码方式代替二进制编码方式的修正遗传算法,构建了基于该修正算法的财务盈余预测模型。以中国电子行业上市公司数据为样本,对建立的财务盈余预测模型进行实验验证,结果表明:修正的遗传算法在每股盈余预测上是一个可行的预测工具,且具有预测实际值的能力,在对小样本的趋势预测上可达到95%的预测准确度,而在实际值的预测上误差比率不到10%。