【摘 要】
【摘要】 現金流預測是項目投資決策和評價企業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定，預測效果良好。
【關鍵詞】 滑動窗技術 RBF神經網絡 現金流預測
現金流是企業績效評價和投資項目價值評估的重要指標，合理的預測現金流量是決策者和投資者的重要工作。現金流預測的準確性依賴于取得詳細的數據信息和采用合理的預測方法。理論上我們可以建立現金流與各影響因素之間的映射關系，但由于影響現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據，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，智能算法的優點在于，即使我們不清楚模型輸入和輸出之間確切的函數關系，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金流的新方法。
