基于GA-SVM的企业财务困境预测.pdfVIP

第34卷 第7期 计 算 机 工 程 2008年4月 Vo1．34 No．7 Computer Engineering April 2008 · 人工智能及识别技术· 文章编号；1000—_3428(2008)07—_0223—_03 文献标识码：A 中图分类号；TP18 基于GA．SVM的企业财务困境预测 岑 涌，钟 萍，罗林开 (厦门大学信息科学与技术学院，厦门361005) 摘 要：通过遗传算法结合支持向量机算法中期望风险边界，对我国上市公司财务数据进行特征提取，并优化构造广义最优分类超平面， 从而获得具有较好整体预测性能的联合模型。数值实验表明，该方法可以降低特征空间维数，具有较好的分类准确率。实证结果表明， GA—SVM联合预测模型具有可靠的预测财务困境能力，有着良好的应用前景。 关键诃：遗传算法；支持向量机；财务困境；特征提取 Prediction Financial Distress of Firms Based on GA．．SVM CEN Yong，ZHONG Ping，LUO Lin·kai (School of Inf0creation Science and Technology,Xiamen University,Xiamen 361005) [Abstractl This paper uses genetic algorithm and support vector machine to set up a hybrid model of financial distress prediction in Chinese listed firms．Numerical simulation shows that the proposed method Can reduce the dimension of the feature space，and has higher correct classification rate． As the result，the proposed GA—SVM hybrid model has reliable financial distress prediction ability，and it has a good application prospect in this area． [Key words I genetic algorithm；support vector machine；financial distress；feature selection 财务困境又称财务危机，最严重的财务困境是企业破产。 支持向量。在式(1)中，b和a 为决定超平面的参数。 企业因财务困境导致破产实际上是一种违约行为，所以财务 考虑线性不可分的情形，在高维情形下的式(1)的表达 困境又可称为违约风险或信用风险。有效的财务困境预测， 式为 对于保护投资者和债权人的利益和经营者防范财务危机，及 Ⅳ Y=sign(∑Yi K(x， )+ ) (2) 银行评估企业贷款信用风险，都具有十分重要的意义。因此， i=1 支持向量分类机应用是通过执行线性约束的二次规划找 财务困境预测一直是学术界和金融实业界的一个研究热点。 目前，财务危机预测的主流方法是分类，即根据企业的财务 到支持向量和决策参数 b和 。针对可分的情形，在式(1) 历史状况(主要是财务比率)，将其分为正常和陷入困境两类。 中的 为下边界0。在不可分的情形下，SVM能利用放置上 支持向量机(Su