【毕业设计.论文】基于模糊支持向量机的上市公司财务困境预测.pdfVIP

第12卷第3期 管理科学学报 V01．12No．3 OFMANAGEMENTSCIENCESINCHINA Jun．2009 2009年6月 JOURNAL 基于模糊支持向量机的上市公司财务困境预测① 杨海军，太雷 (北京航空航天大学经济管理学院，北京100191) 摘要：支持向量机(SVM)已经成功地应用于财务困境预测问题的研究，且已证明优于多元线 性判别分析(MDA)、逻辑回归(Logistic 使用结构风险最小化的原则，这样可能导致错误分类的经验风险升高，特别是当样本点与最优 超平面十分接近的时候，这种误分类的经验风险显著升高．另外，传统SVM还存在过拟合问 题，所以对数据集中的外点或噪声十分敏感．因此，采用模糊支持向量机(FSVM)算法来改进 上述不足．首先，建立一个适当的成员模型用于对整个数据集的模糊处理；然后通过外点侦察 C-mean 方法(ODM)来发现外点，其中ODM集成了模糊C一均值算法(Fuzzyalgorithm)和无监 督神经网络中的自组织映射(SOM)．最后，为主体集和外，最集中的样本点分配不同的权值．还 将FSVM应用于上市公司财务困境预测的实证研究，实证结果表明FSVM与传统SVM相比， FSVM能较好的解决经验风险升高和过度拟合问题，确实降低了外点的影响并提高了分类器 的分类准确率． 关键词：公司财务困境；模糊支持向量机；预测 中图分类号：F830文献标识码：A 文章编号：1007—9807(2009)03—0102-09 0引言 综合指标适当地反应了上述全部特征．一些分类 技术建议使用财务比率数据来预测财务危机，例 随着上市公司财务状况对金融机构的决策与 如，Beaver最早提出公司财务预警分析模型，该模 收益影响越来越大，公司财务困境预测研究正成 型利用单一的财务比率来预测公司的财务困 为一个热点问题，因此建立一个准确的财务困境 境…．随着许多学者在该领域研究工作的不断深 预测模型成为解决该问题的关键．该问题的解决 入，在研究方法上进行了完善和改进．其中，具有 有利于上市公司及时预防和化解财务危机并提高 代表性的是Beaver和Altman提出的多元线性判 危机预警管理的科学性；借贷者(银行)可以避免 别分析(MDA)模型旧’3J，该模型确定了资产营运 贷款的高风险；投资者可以获得财务风险的警示； 资本率、资产留存收益率、资产报酬率、债务权益 政府监管机构可以更有效、更科学地进行市场监 市价率和总资产周转率这5个变量作为判别变 管，维护市场稳健运行． 量，产生了一个综合判别公司财务状况恶化程度 当一个公司长期处于严重亏损状态或者公司 的概率值，即z一值．但是线性判别模型对预测变 资不抵债的时候，公司将发生财务危机．更广泛的 量有着严格的联合正态分布要求，或者要求协方 定义为，引起公司财务危机还有其他的原因，如失 败的经营管理、领导层的错误决策、市场运作困难 差矩阵相等，然而大量实证结果表明多数财务比 等等．然而，公司财务危机的共同假设是公司财务 率并