基于BP神经网络的中国上市公司现金股利识别模型构建——以农业上市公司为例.pdf

【摘要】中提到的研究主要关注中国上市公司现金股利分配的问题，特别是农业上市公司的案例。由于中国上市公司股权结构的特殊性，即双重委托代理关系及激励约束机制的缺失，导致现金股利分配不规范，对中小投资者的利益造成损害。研究利用BP神经网络技术，构建现金股利识别模型，以实现对上市公司现金股利分配的事前识别和预测，解决投资者事后判断的局限性。 【关键词】主要包括农业上市公司、股权结构、现金股利、识别模型和BP神经网络。这些关键词揭示了研究的核心内容：通过分析农业上市公司的股权结构，选取相关指标，运用BP神经网络建立一个能够预测现金股利分配的模型。 BP神经网络是一种反向传播算法的多层前馈神经网络，常用于复杂问题的学习和预测。在本研究中，BP神经网络被用来处理非线性关系，识别影响上市公司现金股利分配的关键因素。通过选取如股权集中度、公司盈利能力、负债水平等六项指标，构建的模型能够对未来的现金股利支付进行预测，从而帮助投资者提前做出决策。 研究方法上，作者基于2011年至2017年中国农业上市公司的数据，通过训练BP神经网络模型并进行识别检验，以验证模型的有效性和实用性。这种方法有助于探索现金股利分配的内在规律，同时为其他领域的研究提供了一种可能的方法论和实例。 该研究结合了深度学习（神经网络）和数据建模技术，旨在解决中国资本市场中中小投资者在现金股利预测上的困难。通过BP神经网络的现金股利识别模型，可以提升投资者的自我保护能力，降低投资风险，促进市场的健康发展。同时，这一研究也为未来将人工智能应用于财务预测和决策提供了新的视角和实践基础。