基于支持向量机的财务失败预测.pdfVIP

基于支持向量机的财务失败预测 周铖裘正定 北方交通人学信息所北京100044 摘要：随着数据挖掘技术的发展，更多的统计学习和人工智能的方法备用在了信用风险度量当中。论 文应用支持向量机(SVM)这种新的统计学习算法，对中国上市公司的财务失败进行了预测。研究表明SVM 比传统的对数回归模型、决策树方法C4．5和神经网络等方法有更高的顶测精度。 关键词：支持向量机(SVM)财务失败神经嘲络决策树 for VectorMachinesFinancialFailurePrediction Support ZHOU Cheng QIUZheng-ding of 00044 InstituteInformationScience，Northern JiaotongUniversity,Beijing，1 E—mail：arltrar@vip．sina．com；zdqiu@center．njtu．edu．cn the ofdata andmorestatisticalandartificial Abstract：With developmentminingtechnology,more methodsare usedinthemeasurementofcreditrisk．This vector intelligent being paperappliessupport failure on inChinese new finance based machines(SVM)，apowerfullearningalgorithm，to prediction companies StockMarkets．TheshowsthattheSVMmethod andNeural study outperformsLogisticRegression，C4．5 Networksmodels． Vector tree Machines(SVM)；FinanceFailure；NeuralNetwork；Decision Keywords：Support 1．引言 财务失败又称财务困境，当一个企业无能力履行合同、按时支付债权人利息和偿还本金 时，该企业就面临财务失败。企业陷入财务凼境是一个逐步的过程，大多数企业的财务失败 都是由财务状况正常到逐步恶化，最终导致财务失败或破产的。冈此，企业的财务失败不但 具有先兆，而且是可预测的，正确的预测企业财务失败，对于保护投资者和债权人的权益、 对于经营者防范财务危机、对于政府管理部门监控上市公司质量和证券市场风险，都具有重 要的现实意义。当前被广泛研究并应用于财务失败预测的模型主要有统计模型和人工智能模 型两大类。 传统的统计模型包括多元判别分析模型…(MDA)、多元线性同归和对数回归模型嵋1 (Logit)等，其中以MDA和Logit分析模型应用最为广泛。统计模型最大的优点在于其具 有明显的解释性，存在的缺陷在丁过于严格的前提条件。在上述两个模型中均要求数据等协 方差，MDA中还要求数据分布服从多元正态分布，而现实中大量数据严重违背了这些假定， 。 这就限制了统计模型本身的应用。 随着信息