【摘 要】
【摘要】 現(xiàn)金流預測是項目投資決策和評價企業(yè)未來價值的關鍵性因素。本文通過采用滑動窗技術確定RBF神經網絡的訓練樣本和測試樣本，然后通過變換不同的分布函數(shù)值對模型進行建模和仿真。實證研究結果表明，RBF神經網絡模型訓練和仿真結果穩(wěn)定，預測效果良好。
【關鍵詞】 滑動窗技術 RBF神經網絡 現(xiàn)金流預測
現(xiàn)金流是企業(yè)績效評價和投資項目價值評估的重要指標，合理的預測現(xiàn)金流量是決策者和投資者的重要工作?，F(xiàn)金流預測的準確性依賴于取得詳細的數(shù)據(jù)信息和采用合理的預測方法。理論上我們可以建立現(xiàn)金流與各影響因素之間的映射關系，但由于影響現(xiàn)金流量的內外因素眾多并且十分復雜，有些因素難以量化，有的時候又難以收集到具體的數(shù)據(jù)，這使得多元回歸分析方法的應用受到限制。而基于時間序列的方法由于建模簡單、易于掌握，所以仍有很好的應用前景。
時間序列的傳統(tǒng)方法主要有時間序列平滑預測法和曲線趨勢預測法，如移動平均法、指數(shù)平滑法、可線性化的曲線趨勢模型等。
近年來，以神經網絡為代表的智能算法在預測方面的應用越來越廣泛，智能算法的優(yōu)點在于，即使我們不清楚模型輸入和輸出之間確切的函數(shù)關系，依然可以獲得較好的預測效果。本文嘗試使用小樣本條件下的徑向基（RBF）神經網絡結合滑動窗技術探索預測現(xiàn)金流的新方法。
