基于GWO-LSTM的上市企业信用风险评估

• 作者: 韩笑 周汉杰
• 来源期刊: 现代科学仪器
• 关键词: 灰狼优化算法 长短时记忆神经网络 上市企业 信用风险评估
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 技术创新与应用
• 页码范围: 248-251
• 页数: 4页
• 分类号: F830|TP391.1
• 语种: 中文

摘要

为提高上市企业信用风险评估的准确率,提出一种基于GWO-LSTM的上市企业信用风险评估方法.首先,综合考虑财务指标变量和非财务指标变量,建立了上市企业信用风险评估指标体系.其次,针对LSTM模型性能受其参数选择的影响,运用GWO优化选择LSTM模型的隐含层神经元数量、分块尺寸、最大训练周期数和学习率,建立了基于GWO-LSTM的上市企业信用风险评估模型.与LSTM、GA-LSTM和PSO-LSTM相比,GWO-LSTM可以有效提高上市企业信用风险评估的准确率,为上市企业信用风险防控提供科学决策的依据.