基于BP遺傳算法的跨國公司復合增長模式研究

雷權勇

（鹽城師范學院 商學院，江蘇 鹽城 224051）

0 引言

經濟增長是積累和增加社會財富、實現充分就業的重要基礎，是社會發展的物質前提。無論是國內的企業還是跨國公司，他們的共同目標都是創造價值，而經濟增長是創造價值的重要手段，面對日益激烈的競爭和技術快速進步的市場環境，企業尤其是跨國公司要實現經濟增長，就需要改變經濟發展模式，摸清哪一種經濟增長模式給企業帶來大的效益，改革當前阻礙生產力發展的落后因素，以適應復雜多變的市場環境。

BP神經網絡結構簡單、算法成熟且具有很強的非線性映射能力,故它在模式識別、故障診斷、醫學工程等各個領域得到了廣泛的應用。本文根據BP的遺傳算法研究跨國公司的復合經濟增長模式，通過算法分析總結出適合于跨國公司發展的經濟模式，從而對企業的發展提出建議。

1 跨國公司復合增長模式

本文基于BP遺傳算法從要素貢獻率和增長速度高低的角度對跨國公司增長方式進行分類，如表1所示，五種模式分別為：（1）不可持續的投資驅動的高增長模式，該模式認為投資是第一驅動力，以大量的能源、原材料和勞動力消耗為特征的粗放高增長。（2）投資驅動的先高后低的增長模式，該模式也認為投資是第一驅動力，由于受到能源、原材料、環境等的限制而呈現出增長率前高后低的狀態。（3）投資—創新雙驅動的增長模式，該模式認為投資和創新成為經濟增長的主要動力，但投資的作用仍然大于創新的作用，增長率往往表現出波動的狀態。（4）創新驅動的波動式增長模式，并且其增長率處于波動狀態，該模式創新成為經濟增長的第一推動力，由于內、外部環境的變化以及企業的適應能力不夠強，而使增長率呈波動狀態。（5）創新驅動的持續高增長模式，該模式認為創新為第一驅動力，通常其市場、技術、人才等都具備國際競爭力，對內外環境變化的適應能力足夠強，因而其創新驅動持續高增長。這五種增長模式的增長率隨時間的變化如圖1所示。

圖1 跨國公司增長模式圖

表1 跨國公司經濟增長的5種模式

2 基于遺傳算法的BP神經網絡算法

BP神經網絡含有輸人層、輸出層以及處于輸入輸出層之間的隱含層。隱含層可以是單層，也可以是多層。圖2給出三層BP神經網絡，設輸入層的變量為x=(x1，x2，…，xn)，輸出層的變量為y=(y1，y2，…，ym)，假設隱層有r個神經元，輸出層有m個神經元,輸入層到隱層的權為wij,閾值為θj，隱層到輸出層的權為wjk，閾值為θk。隱層各神經元的輸出為：

圖2 BP網絡結構

輸出層各神經元的輸出為：

3 基于BP的遺傳算法的跨國公司復合增長模式研究

3.1 跨國公司增長模式評價指標

本文就跨國公司的五種增長模式進行分析，對每一種模式選擇7個財務比率作為評價指標，這些指標作為BP神經網絡輸入層的輸入變量，分別用分配利潤(RE)、毛利(GP)、銷售成本(SC)、總資產(TA)、流動負債（CL）、權益資本(E)、營業利潤(OP)、營運資本(WC)作為財務比率，將這7個變量作為輸入層。對于輸出層選擇企業的盈利能力、經營效率的好、中、差三個等級評判，經營效率指標是用于衡量企業在資產管理方面的效果。本文對輸出層取兩個節點就可以得到希望的結果，如表2所示為跨國公司在某一個經濟增長模式下的經營效率等級標準。企業經營效率好的為一級，輸出層節點為（1，1）,企業經營效率較好的為二級，輸出層節點為（1，0）或（0,1）,企業經營效率差的為三級，輸出層節點為（0,0）。

表2 跨國公司經營效率等級標準

3.2 BP遺傳算法復合增長模型

本文選擇7個輸入層基本變量，2個輸出層節點值，可構建如下經營效率評價模型：

用向量表示為：

式中X=(x1，x2，…，x7)T為輸入變量，Y=(y1，y2)T是輸出變量，W=(wij)7×8(i=1，2，…，7，j=1,2，…，8)是輸入層與隱層的連接權，V=(vn,j)2×8(n=1,2，j=1,2，…，8),隱層和輸出層之間的連接權，B1=分別為隱層和輸出層的偏置權，g(h)為轉移函數，定義為：

3.3 實證分析

本文分別從大型、大中型、中型、中小型、小型跨國公司中隨機選取一家公司的財務報表數據，以企業的五種復合增長方式為基本，選取企業的經營效率為評價目標，以7個財務比率作為變量值輸入。現在規定A為第一類增長模式（不可持續的投資驅動的高增長模式），B為第二類增長模式（投資驅動的先高后低的增長模式）、C為第三類增長模式（投資—創新雙驅動的增長模式）、D為第四類增長模式（創新驅動的波動式增長）、E為第五類增長模式（創新驅動的持續高增長模式）。

（1）將樣本的數據分為兩類，即好與差，用1和0表示類標號，本文構建5個跨國公司的五種增長模式指標體系，表3列出了本次測試的實驗數據，表中ID表示五個跨國公司的編號，A、B、C、D、E即為五種增長模式代號，其他為輸入層指標變量。

表3 本次測試的實驗數據

表4 遺傳算法測試結果

（2）BP遺傳算法優化分析。輸入層的數值已經確定，需要對輸入層與隱層的連接權和閥值，以及隱層與輸出層的連接權和閥值確定合適的參數，使得分析能夠穩定的收斂，為此需對模型優化分析，確定神經網格的部分參數。參數設置如下：網絡結構輸入層節點數為7，隱藏層節點數7，輸出層節點數,2，訓練步長取0.05，最大訓練次數取2000;最小誤差取le-5。遺傳算法測試結果如表4所示。

3.4 基本BP遺傳算法的預測結果與討論

本文通過選取五個跨國公司的五種復合增長模式為變量，企業的經濟效益為評價指標，從上述的分析可以看出，不可持續的投資驅動的高增長模式與投資驅動的先高后低的增長模式兩種模式的企業的績效較差，所有的企業均處于效益低下的處境。這就說明這兩種模式對跨國公司的發展不利，跨國公司如果采用這樣的增長模式可能會導致企業虧本，不利于長久的發展。而投資—創新雙驅動的增長模式相對于其他模式表現的最好，它的經濟效益最好，該增長呈現出波動狀態，符合市場經濟的發展，企業的發展模式就是要不斷隨著市場經濟的變化而變化。創新驅動的波動式增長模式對跨國公司的增長也是有利的，促進企業的發展，帶來好的經濟效益。當今世界科技不斷的發展，技術轉化為成果的速度越來越快，為企業帶來的效益也是越來越大，對企業的發展越來越起到至關重要的作用，創新驅動的增長模式隨著高科技的不斷累積會起到令人驚奇的結果。第五類為創新驅動的持續高增長模式對跨國公司的經濟增長具有一定的促進作用。

4 結論

跨國公司的經濟增長模式決定了跨國公司以后的發展道路，跨國公司所處的國家不同、國情不同、歷史文化不同、經濟發展不同，它的經濟增長模式也會不同，往往一個公司會有多種增長模式，這都取決于其所處的環境，而投資—創新雙驅動的增長模式對跨國公司來說是較為理想的增長模式，但是還需要根據自己的狀況和企業的發展模式來全面綜合地把握。

本文根據神經網絡的BP遺傳算法對五個跨國公司五種增長模式進行比較分析，得到了較為合理的結果，這與實際企業的增長模式相一致，說明基于BP遺傳算法能很好的解決企業的經濟增長模式分析，為企業的發展方式提前預測并給出建議，使企業能更好的發展。

[1]Uzawa H.Optimal Technical Change in an Aggregative Model of Economic Growth[J].International Economic Review,2001，(10).

[2]B Lundvall.National Systems of Innovation:towards a Theory of Innovation and Interactive Learning[J].London and New York,Pinter,2006,(12).

[3]Grossman,G.M.,Helpman E.Endogenous Innovation in the Theory of Growth[J].Journal of Economic Perspectives,Winter,2009，(8).

[4]龐素琳,王燕鳴,黎榮舟.基于BP算法的信用風險評價模型研究[J].數學的實踐與認識,2009，(3).

[5]劉捷,王世宏.企業增長模式判斷方法及運用[J].財會通訊,2010,(9).

[6]王憲全,陳李剛.基于遺傳算法和BP神經網絡的信用風險測量模型[J].哈爾濱工業大學學報(社會科學版),2010，(7).