1、“.....则把公共因子看成股权结构因子中总资产周转率的比重最大，代表整体营运能力中综合杠杆的比重最大，反映了风险水平能力中营运能力的应收账款周转率和存货周转率指标所占的比重大，代表日常营运能力因子。这个因子涉及到财务和非财务的相关信息，比较全面地反映出财务风险的各种因素。风险预警模型的构建及实证结果多层感知器是种多层前馈网络模型，具有高度的非线性映射能力，它由部分组成层为感知单元组成的输入层层为计算节点的隐藏层层为计算节点的输出层。本文运用软件，首先将个主成分因子代表初始的项指标，代入神经网络的多层感知器，作为协变量，风险程度作为因变量。其次在分区中，按照比的比例随机分配个案，即个样本中作为训练变量，作为测试变量。其中训练变量中重大风险的样本为个，中等风险的样本数为个，低风险的样本数为个测试变量中包含重大风险的样本个，中等风险的样本数为个......”。

2、“.....然后在体系结构中，设臵最低的隐藏层数为，分批进行培训操作时，选择调整的共轭梯度对算法进行优化。最后可以输出曲线分析准确性和特异性，判断对财务风险的预警能力。对财务风险预警识别结果如表所示，已预测与已观测的样本相比，在训练变量中，有个样本其实属于重大风险，却预测为中等风险，准确率为，中等风险和低风险全部预测准确，总体来看，训练变量的正确率为在测试变量中，重大风险有个在预测的中等风险水平中，总计的测试变量的准确率为。由此得出综合正确率为，其中低风险预测准确率为，说明多层感知器对低风险能较好的预测误判均发生在将重大风险归类到中等风险，究其原因可能是重大风险与中等风险划分不明确，且在第年出现净利润为负时，第年要想转亏为盈的难度也很大，或者即使利润为正，为弥补去年差异最后的净利润数额也较小，这样造成重度风险和中度风险的差异不大......”。

3、“.....结论为了使工业企业对财务风险进行预先的测定和防范，减少风险到来时企业的损失，本文根据家北京市工业企业的财务数据，运用多层感知器神经网络对工业企业财务风险展开评价研究。首先按照定标准，划分样本所面临的财务风险大小，其次利用主成分分析，建立了较为全面的财务风险预警评价体系，包含了盈利能力偿债能力发展能力风险水平股权结构整体和日常营运能力等个指标，其中股权结构等经过量化的非财务指标引入有利于全面反映财务信息。在此基础上结合基于多层感知器的神经网络技术构建财务风险预警模型，实证结果表明，该模型综合正确百分比较高，对中等风险的公司财务风险预测也较为准确，可以为工业企业财务风险预警提供借鉴信息。鉴于模型进行实证分析，可以避免人工预测带来的主观影响，保证评价结果的客观性准确性......”。

4、“.....样本量较少，特别是按标准划分后的重大风险和中等风险的公司数量较少，导致多层感知器训练不充分，影响到测试结果的准确性。参考文献郭文伟，陈泽鹏，钟明等基于神经网络构建小企业信用风险预警模型财会月刊，曹彤，郭亚军基于神经网络模型的上市公司财务风险预警研究财会通讯，郭华关于国有企业建立财务风险预警机制的探讨商业会计，。基于多层感知器的财务风险预警研究论文原稿。主成分因子的提取为了对财务风险预警进行更加有效的分析，需要减少变量的个数，分析年共个样本数据的项预警指标，利用软件进行因子分析，提取主成分因子，如表所示。在特征值大于时，共提取个主成分因子，这个主成分因子的累计方差贡献率达到，能反映个变量分之的信息。设主成分因子为，做成分矩阵，可以进步分析主成分所代表的能力和它反映的有关上市公司的财务信息......”。

5、“.....在国家的生产流通服务等经济活动中起到了重要作用，但在知识经济迅猛发展的时代，高新技术企业和第企业的崛起，使得工业企业在投资融资甚至生产经营上都受到了较大的财务威胁，因此要加强对工业企业的财务预警，从而为企业的信息使用者提供及时有效的财务信息，预防企业可能出现的风险，保障股东的权益和市场稳定。主成分因子的提取为了对财务风险预警进行更加有效的分析，需要减少变量的个数，分析年共个样本数据的项预警指标，利用软件进行因子分析，提取主成分因子，如表所示。在特征值大于时，共提取个主成分因子，这个主成分因子的累计方差贡献率达到，能反映个变量分之的信息。设主成分因子为，做成分矩阵，可以进步分析主成分所代表的能力和它反映的有关上市公司的财务信息。主成分因子中资产报酬率每股收益营业净利率的比重较大......”。

6、“.....代表公司的发展能力中反映偿债能力的指标比重较大，说明主要变现为偿债能力中非财务指标的独立董事比例比重最大，则把公共因子看成股权结构因子中总资产周转率的比重最大，代表整体营运能力中综合杠杆的比重最大，反映了风险水平能力中营运能力的应收账款周转率和存货周转率指标所占的比重大，代表日常营运能力因子。这个因子涉及到财务和非财务的相关信息，比较全面地反映出财务风险的各种因素。风险预警模型的构建及实证结果多层感知器是种多层前馈网络模型，具有高度的非线性映射能力，它由部分组成层为感知单元组成的输入层层为计算节点的隐藏层层为计算节点的输出层。本文运用软件，首先将个主成分因子代表初始的项指标，代入神经网络的多层感知器，作为协变量，风险程度作为因变量。其次在分区中，按照比的比例随机分配个案......”。

7、“.....作为测试变量。其中训练变量中重大风险的样本为个，中等风险的样本数为个，低风险的样本数为个测试变量中包含重大风险的样本个，中等风险的样本数为个，低风险的样本数为个。然后在体系结构中，设臵最低的隐藏层数为，分批进行培训操作时，选择调整的共轭梯度对算法进行优化。最后可以输出曲线分析准确性和特异性，判断对财务风险的预警能力。对财务风险预警识别结果如表所示，已预测与已观测的样本相比，在训练变量中，有个样本其实属于重大风险，却预测为中等风险，准确率为，中等风险和低风险全部预测准确，总体来看，训练变量的正确率为在测试变量中，重大风险有个在预测的中等风险水平中，总计的测试变量的准确率为。由此得出综合正确率为，其中低风险预测准确率为，说明多层感知器对低风险能较好的预测误判均发生在将重大风险归类到中等风险，究其原因可能是重大风险与中等风险划分不明确......”。

8、“.....第年要想转亏为盈的难度也很大，或者即使利润为正，为弥补去年差异最后的净利润数额也较小，这样造成重度风险和中度风险的差异不大，利用多层感知器预测时会产生偏差。结论为了使工业企业对财务风险进行预先的测定和防范，减少风险到来时企业的损失，本文根据家北京市工业企业的财务数据，运用多层感知器神经网络对工业企业财务风险展开评价研究。首先按照定标准，划分样本所面临的财务风险大小，其次利用主成分分析，建立了较为全面的财务风险预警评价体系，包含了盈利能力偿债能力发展能力风险水平股权结构整体和日常营运能力等个指标，其中股权结构等经过量化的非财务指标引入有利于全面反映财务信息。在此基础上结合基于多层感知器的神经网络技术构建财务风险预警模型，实证结果表明，该模型综合正确百分比较高，对中等风险的公司财务风险预测也较为准确......”。

9、“.....鉴于模型进行实证分析，可以避免人工预测带来的主观影响，保证评价结果的客观性准确性。本文研究的不足是样本只限于北京市在上海证券交易所上市的股工业企业，样本量较少，特别是按标准划分后的重大风险和中等风险的公司数量较少，导致多层感知器训练不充分，影响到测试结果的准确性。参考文献郭文伟，陈泽鹏，钟明等基于神经网络构建小企业信用风险预警模型财会月刊，曹彤，郭亚军基于神经网络模型的上市公司财务风险预警研究财会通讯，郭华关于国有企业建立财务风险预警机制的探讨商业会计，。基于多层感知器的财务风险预警研究论文原稿。目前文献对工业企业的财务风险预警研究较少，本文选取北京市工业企业与财务风险有关的财务与非财务数据，并引入人工神经网络中相对完善易于操作的多层次感知器，构建财务风险预警体系。总体来看，多元判别分析和人工神经网络是主要的预测方法......”。