基于MF-LSTM的上市公司现金流预测研究

作     者：江泽茹 王冉冉 JIANG Ze-ru;WANG Ran-ran

作者机构：北京大学政府管理学院北京100871 北京大学大数据分析与应用技术国家工程实验室北京100871 北京大学重庆大数据研究院重庆401121 

出 版 物：《数理统计与管理》 (Journal of Applied Statistics and Management)

年 卷 期：2024年第43卷第3期

页      面：512-526页

核心收录：

学科分类：12[管理学] 02[经济学] 07[理学] 08[工学] 070103[理学-概率论与数理统计] 120202[管理学-企业管理（含：财务管理、市场营销、人力资源管理）] 0202[经济学-应用经济学] 020208[经济学-统计学] 1202[管理学-工商管理] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 020204[经济学-金融学（含∶保险学）] 081104[工学-模式识别与智能系统] 0714[理学-统计学（可授理学、经济学学位）] 0835[工学-软件工程] 0701[理学-数学] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主　　题：现金流 时间序列预测 混频模型 LSTM 

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。