[发明专利]一种上市公司绩效综合评价方法

权利要求书

1.一种上市公司绩效综合评价方法，其特征在于：其包括按顺序执行的下列步骤：

步骤1)模型建立：基于神经网络结构与分位数回归模型，建立上市公司绩效综合评价的神经网络分位数回归模型；

步骤2)模型求解：使用Huber范数对上述神经网络分位数回归模型中的非对称“对勾”函数进行修正，然后使用标准的梯度优化算法实现上述模型的求解；

步骤3)模型选择：在上述神经网络分位数回归模型的经验损失函数中增加一个包含惩罚参数为λ和隐层节点数J的惩罚项，以限制连接权重的光滑度，同时建立上市公司绩效综合评价的神经网络分位数回归模型选择的赤驰信息准则，用于选择恰当的隐层节点数J和惩罚参数λ；

步骤4)条件密度预测：在建立的上市公司绩效综合评价的神经网络分位数回归模型基础上，将影响因素或解释变量的取值代入，由此实现上市公司绩效在各个分位点的条件分位数预测，并将在不同分位点处的条件分位数预测结果使用核密度方法进行密度估计，由此实现上市公司绩效水平的条件密度预测；

步骤5)随机性评价：在条件密度预测的基础上，一方面，基于随机占优准则，给出上市公司绩效水平排序结果；另一方面，使用数值积分算法给出绩效水平划分区间的概率计算，得到带有一定概率伴随的上市公司绩效水平分类结果，最终实现上市公司绩效水平的综合评价。

2.根据权利要求1所述的上市公司绩效综合评价方法，其特征在于：在步骤1)中，所述的建立上市公司绩效综合评价的神经网络分位数回归模型的步骤如下：

考虑三层感知器神经网络，以影响因素或解释变量作为输入，以响应变量的分位数预测作为输出，包含一个有J个节点的隐层，如图1所示；在第τ分位点处，第一步，计算隐层第j个节点值：

gj(τ)=f(h)(Σi=1pwij(h)(τ)Xi+bj(h)(τ)),j=1,2,...,J---(1)]]>

式中，为第τ分位点处隐层权重向量；为第τ分位点处隐层偏移向量；f^(h)为隐层转换函数；第二步，计算输出层节点值：

Q^τ(Y)=f(o)(Σj=1Jwj(o)(τ)gj(τ)+b(o)(τ))---(2)]]>

式中，为第τ分位点处输出层权重向量；b^(o)(τ)为第τ分位点处输出层偏移；f^(o)为输出层转换函数，这样由式(1)和式(2)就组成了上市公司绩效综合评价的神经网络分位数回归模型。