结合PCA的SVM方法在学校财务风险预警中的运用.pdfVIP

第 16卷 第4期 重庆科技学院学报 自然科学版 2014年8月 结合 PCA的SVM方法在学校 财务风险预警中的运用 淦 艳 魏 延 杨 有 重庆师范大学计算机与信息科学学院，重庆 401331 摘 要：利用支持向量机方法对中职学校财务风险进行预测，设置22个评价指标，运用主成分分析降维处理数据，然 后通过 Libsvm进行实验。通过对评价指标的主成分分析，发现前8个主分量的累计贡献率为89．18％，占有绝对重 要的比重。选取前8个主分量为支持向量机的输入 ，最后得到5组实验数据，平均预测分类精度为93．75％，表明支 持向量机方法在财务风险预测中的可行性和实用性。 关键词 ：财务风险预警；支持向量机；营运能力；成长能力；偿债能力 中图分类号：TP181 文献标识码：A 文章编号：1673—1980 2014 04—0143—04 0 前言 1 财务风险预警评价指标的选取 自20世纪90年代 Vapnik等人提出支持 向量 财务风险预警的分析需要考虑多个方 面的 机 SuppoaVectorMachine，SVM 以来，支持向量机 因素。 已经在手写识别、语音识别、人脸识别和文本分类等 文献[5]通过资金周转、资金分配、资金运用和 工作中得到了广泛应用 ¨-21。JaeJoonAhn等人将 主题连带风险等4类9个指标研究了高等学校财务 支持向量机方法应用于早期预