基于BP神经网络的我国海外矿业投资金融风险预警分析

资源与产业 ›› 2014, Vol. 16 ›› Issue (4): 106-110.

基于BP神经网络的我国海外矿业投资金融风险预警分析

陈家愿，郑明贵

江西理工大学矿业贸易与投资研究中心，江西赣州 341000

收稿日期:2014-03-27 修回日期:2014-04-12 出版日期:2014-08-20 发布日期:2014-08-20
基金资助:
国家社会科学基金项目（12CGL008）

WARNING OF FINANCIAL RISKS OF CHINA'S OVERSEAS MINING INVESTMENT BASED ON BP NEURAL NETWORK

CHEN Jia yuan, ZHENG Ming gui

Research Center of Mining Trade and Investment, Jiangxi University of Science and Technology, Ganzhou 341000, China

Received:2014-03-27 Revised:2014-04-12 Online:2014-08-20 Published:2014-08-20

摘要/Abstract

摘要： 首先对海外矿业投资的金融风险因素进行了识别，并结合Delphi法建立了相应的评价指标体系，然后应用BP神经网络模型对海外矿业投资的主要投资目的国进行预警分析。结果表明，在未来几年中加拿大、俄罗斯、澳大利亚的风险预警程度中等，巴西、印度与南非的风险预警程度较差，其中南非的经济发展状况较差，印度的国际收支状况、通胀率与财政收支状况较差，巴西的实际贷款利率过高。我国企业可以考虑在风险预警程度较轻的国家进行海外矿业投资。

关键词: 矿业投资, 风险预警, BP神经网络, 金融风险, 海外开发

Abstract: In order to warn the financial risks of China's overseas mining investment, this paper identifies the financial risks, and combines with Delphi to establish an index system to warn the financial risks in China's major overseas mining investing countries by means of BP neural network. The result implies a moderate warning in Canada, Russia and Australia, and a higher warning in Brazil, India and South Africa. South Africa has a bad economy; India is poor in global incomeexpenditure, inflation rate and fiscal income; and Brazil is higher in its loan rate. Chinese investors may consider entrance into the countries with a less warning.

Key words: mining investment, warning of risks, BP neural network, financial risk, overseas development

中图分类号:

F205
F416

陈家愿，郑明贵. 基于BP神经网络的我国海外矿业投资金融风险预警分析[J]. 资源与产业, 2014, 16(4): 106-110.

CHEN Jia yuan, ZHENG Ming gui. WARNING OF FINANCIAL RISKS OF CHINA'S OVERSEAS MINING INVESTMENT BASED ON BP NEURAL NETWORK[J]. Resources & Industries, 2014, 16(4): 106-110.

参考文献

[1]邹伟,阴江宁,陈兴华,等.德尔菲法在全国铁铝资源潜力评价中的应用[J].地质通报,2010,29（10）:1539-1546 [2]王燕妮,樊养余.改进BP神经网络的自适应预测算法[J].计算机工程与应用,2010, 46（17）: 23-26 [3]袁纬芳,郑明贵.基于 BP 神经网络的我国铝矿资源需求情景分析[J].资源与产业,2014,16（1）: 132-137 [4] J M 奥托.全球矿业投资环境[J].张凤麟,译.资源与产业,2000,2(2):24-28 [5]胡杰,鹿爱莉.俄罗斯矿产资源开发利用及矿业投资环[J].资源与产业,2006, 8（6）: 77-81 [6]Rodriguez C,Rementeria S,Martin J L,et al.A modular neural network approach to fault diagnosis[J].IEEE Transactions on Neural Networks,1996,7(2):326-340 [7]郑明贵,赖亮光.中国铬矿需求情景分析[J].资源与产业,2011,13（4）:43-49 [8]李键,杨玉楠,吴舜泽,等.水环境预警系统的研究进展[J].环境保护,2009（6）:4-7 [9]楼文高,乔龙.基于神经网络的金融风险预警模型及其实证研究[J].金融论坛,2011（11）: 52-61 [10]邵新宏.境外矿业投资中存在的金融问题分析[J].现代矿业,2010（5）:130-133 [11]周莹,程和琴,塔娜,等.海平面上升背景下上海市水源地供水安全预警系统研究[J].资源科学,2012,34（7）:1312-1317 [12]宋国明.印度矿业与投资环境[J].国土资源情报,2007（2）:27-32 [13]郑明贵.海外矿业投资决策系统要素分析[J].现代矿业,2012（6）: 1-4 [14]宋国明.巴西矿业投资环境分[J].国土资源情报,2012（8）: 2-8, 15 [15]安琪儿,安海忠,何波,等.中、美、加、印矿业权管理差异分析[J].资源与产业,2013,15（6）:89-92 [16]李元恒,李晓白,袁春.城市居住用地价格风险预警研究:以唐山市为例[J].资源与产业,2010,12（6）: 95-100