5.1 财务投资模型的优化方向 ........................................... 41
5.2 BP 神经网络财务投资模型构建 ...................................... 43
第 6 章 财务投资模型优化方案的实施
6.1 优化方案实施的进度计划表
通过对第五章的分析与财务投资方案重构，财务投资模型较原先的投资评估流程发生重大变化，而且财务投资模型优化过程也是着重于对投资评估进行优化，原先财务投资首先得根据财务投资的目标选择对应的财务模型，然后在将财务数据导入。而优化后的财务投资模型只需要将新项目的财务数据输入到 BP 神经网络中去，就能直接得到投资评估建议，再结合投资专委会成员的客观分析，就能确定是否值得投资。
具体财务投资模型优化方案实施计划时间表如下：
1）财务投资优化方案提议阶段：2018 年 11 月-12 月
我们在公司创新项目及创新基金开放申请阶段，提交了基于 BP 神经网络的财务投资模型优化的构建议题，通过财务投资优化的理论建立新的投资评估体系，优化了财务投资流程。经过公司高层领导的第一轮修改意见商讨，并在此基础上进一步优化修改，最终将修改完后的方案再提交至董事会报批，董事会成员以十票全票通过了该提案，并对于成立投资专委会表示大力支持，并提名一名金融类高校专家教授和一名副总经理加入投资专委会一起完善财务投资模型并协助解决后续可能障碍，为财务投资模型优化方案进一步实施打下了扎实的基础。
（2）构建基于 BP 神经网络财务投资模型：2019 年 2 月
方案通过后，IT 部门第一时间按照沟通方案进行人员调配由一位 IT 同事着手进行基于 BP 神经网络财务投资模型的构建，初步模型在一周内完成搭建，并按照要求输入了相关财务投资数据得到了测试结果，符合预期要求进入下一阶段。
........................
第 7 章 结论与展望
7.1 基本结论
通过初步分析 R 医疗器械公司的财务投资流程模式，本文再结合财务投资目标和优化理论。从分析竞争对手开始，完成内部投资项目评估流程的改进，在基于 BP 神经网络法对收集到的财务投资数据进行归一化处理，并将处理后的公因子作为 BP 神经网络训练的输入层，实现对训练网络简化，并提高分析效率的目的。本论文选取了 750 个项目作为神经网络训练样本，100 个项目作为预测样本构建了一套基于机器学习的财务投资模型，用于 R 医疗器械公司财务投资模型优化能够根据不同的投资目的自行进行财务因子衡量及调整，并最终给出量化投资参考建议，同时投资模型能够对投资因素进行归纳分析得到理性建议并帮助识别潜在投资风险因素，便于投资专委会成员最终评估做出更可靠的投资决策。
本文主要的结论如下：
（1）发现投资部门对财务投资评估量化的精确性、效率性、目的性等方面存在问题，结合财务投资优化理论，提出使用 BP 神经网络模型优化方案，并提议建立投资专委会，理性感性相结合进行投资评估。
（2）创立了一套基于 python 算法的 BP 神经网络模型用于 R 公司的财务投资模型评估，其中采用 750 个投资项目作为训练集和 100 个项目作为测试集，其模型预测具有较高的准确读。
（3）针对性地选择了和投资项目密切相关的 14 个财务指标，分别是净资产收益率(扣除／平均)、资产报酬率、资产净利率(年化)、投入资本回报率、销售净利率、净利润/营业总收入、营业利润/营业总收入、税前利润/营业总收入、销售费用/营业总收入、管理费用/营业总收入、财务费用/营业总收入、研发投入/投入率、不良资产比例和现金流比率，既考虑到数据获得的可操作性，同时保证了评估模型的有效性，最后也对 14 个财务指标的进行了权重分析，为日后财务投资决策提供参考，权重最高的前四个指标是净资产收益率（899）、现金流比率（891）、项目销售费用（868）和项目管理费用（860）。
参考文献（略）
