基于MF-LSTM的上市公司现金流预测研究

• 全文链接
• 请求原文

作   者：

江泽茹;  王冉冉; 

作者机构：

北京大学政府管理学院; 

关键词：

混频模型;  时间序列预测;  LSTM;  现金流; 

期刊名称：

数理统计与管理

i s s n：

1002-1566

年卷期：

2024 年 43 卷 003 期

页   码：

512-526

摘   要：

企业现金流量很大程度上反映着企业的生存和发展能力,现金流的预测和分析对于投资者和市场管理者都具有十分重要的现实意义.本文利用我国A股上市公司2012年至2019年的财务数据和账户数据,提出混合频率长短时记忆神经网络模型(Mixed Frequency Long Short Term Memory,MF-LSTM)对上市公司现金流量进行预测.通过神经网络结构设计,本文将不同频率数据进行了有效混合,预测结果明显优于传统时间序列模型.另外,实验结果还验证了企业账户数据是现金流预测的有效解释变量.