平滑削边绝对偏离惩罚截断Hinge损失支持向量机的财务危机预报.docVIP

平滑削边绝对偏离惩罚截断Hinge损失支持向量机的财务危机预报 摘要：针对传统支持向量机（SVM）分类存在对离群点敏感、支持向量（SV）个数多和分类面参数非稀疏的问题，提出了平滑削边绝对偏离（SCAD）惩罚截断Hinge损失SVM（SCADTSVM）算法，并将其用于构建财务预警模型，同时就该模型的求解设计了一个迭代更新算法。结合沪深股市A股制造业上市公司的财务数据进行实证分析，同时对比L1范数惩罚SVM、SCAD惩罚SVM和截断Hinge损失SVM（TSVM）构建的T-2和T-3模型，结果发现SCADTSVM构建的T-2和T-3模型都具有最好的稀疏性和最高的预报精度，而且其在不同训练样本数上的平均预测准确率都要比L1范数SVM（L1SVM）、SCADSVM和TSVM算法的高。 关键词：支持向量机；平滑削边绝对偏离惩罚；截断Hinge损失支持向量机；财务预警；L1范数惩罚 中图分类号： TP181 文献标志码：A Abstract： Aiming at the problems that the traditional Support Vector Machine （SVM） classifier is sensitive to outliers and has the large number of Support Vectors （SV） and the parameter of