财务困境预测_数据挖掘方法的比较与运用.pdf

( ) 清华大学学报 哲学社会科学版 2006 年增 1 期 J OU RN AL O F TSIN GHU A UN IV ER SIT Y No . S1 　2006 第 2 1 卷 ( Philo sop hy and Social Sciences) Vol . 2 1 财务困境预测 : 数据挖掘方法的比较与运用 吴俊杰 (清华大学 　经济管理学院 , 　北京 　100084) 　　摘 　要 : 近年来 ,数据挖掘方法在商业领域的应用方兴未艾 。文章尝试将数据挖掘方法引入财务困境预测 的问题中 ,并以上市公司的实际财务数据为出发点 ,全面比较了逻辑回归、神经网络和决策树等分类算法在上市 公司财务困境预测问题上的优劣 。结果表明决策树在预测准确率 、波动性以及可解释性上具有综合优势 。文章 还提出了不同程度财务困境的新概念 ,并对这个问题进行了决策树建模 。 关键词 : 财务困境 ; 　数据挖掘 ; 　逻辑回归 ; 　神经网络 ; 　决策树 中图分类号 : TP182 ; F2 　　　　文献标识码 : A 　　　　文章编号 : 1000 - 0062 (2006) S1 - 0045 - 09 　　企业财务困境预测无论对于银行信贷管理 、 在建模方法上 ,长期以来逻辑回归、线性分类 证券投资还是证券市场监管而言 ,都是一个非常 等统计方法占据了统治地位 ,其基于统计理论的 有意义的课题 。早在 20 世纪 30 年代初 , 国外就 特点使模型具有相当的准确性和可解释性 。近年 开始了有针对性的研究 ,并一直持续到现在 ,其重 来 ,随着数据挖掘领域的兴起并发展 ,人们开始意 要性可见一斑 。 识到利用数据挖掘方法对许多商业 问题进行建 早期的研究思路主要是从上市公司的财务数 模 ,往往能大幅度地提高预测的准确性 ,并且有助 据出发 ,计算财务比率来建立预测模型 ,结果表明 于发现一些隐藏在数据中的知识 , 因此开始尝试 这种思路取得了很好的效果 。国内在这方面的研 将之应用于商业建模和分析 ,财务困境预测的研 究工作开展得很晚 ,至今相关的文章发表得不多 , 究也不例外 。很多学者开始用人工神经网络技术 究其原因如下 : ( 1) 财务困境预测建模需要大量 来建立财务困境的预测模型 ,并且取得了很大的 的样本数据 ,而我国的证券市场只走过了十几年 , 成功 。但在国内,这方面的研究还非常少 ,本文将 仍处于不断发展完善之中 ,统一 、可靠的数据不易 尝试在这些方面做点工作 。从广义来看 ,逻辑回 获得 ; (2) 西方学术界普遍将破产作为财务困境 归算法可以纳入数据挖掘方法的范畴之内, 因此 的标志 ,而 目前在我国 ,上市公司可能被退市警 本文尝试在一个统一的数据挖掘框架下 ,用数据 示 、特别处理 、停牌乃至摘牌 ,但没有破产这个概 挖掘的标准流程来处理财务困境预测问题 。 念 ,这就为建立财务困境的概念带来了困难 。 收稿 日期 : 2006 - 09 - 24 作者简介 : 吴俊杰 , 清华大学经济管理学院博士候选人 。 ( ) 46 清华大学学报 哲学社会科学版 　　本文的主要贡献如下 :