k近邻判别分析法在企业信用评估中的运用研究.pdfVIP

k-近邻判别分析法在企业信用评估中的运用  孙敬水 崔立涛 孙孙敬敬水水 崔崔立立涛涛 （浙江工商大学统计与计算科学学院，杭州，310035） 摘 要：信用是企业长期生存发展的基础。良好的信用能降低交易成本，提高交易效率。本文把上市公司分 成ST公司和非ST公司，并假定ST公司为高风险公司，非ST公司为低风险公司。在上述假设的基础上，本文运 用等距抽样的方法抽取了27家上市公司作为训练样本和检验样本对上市公司的财务风险用k-近邻判别分析法进 行了分析判断。研究结果表明：与因子分析法相比，k-近邻判别分析法显著地降低了误判率；与欧氏距离相比， 马氏距离判断的准确性和科学性更强。 关键词: k-近邻判别分析法；信用评估；马氏距离 一、引言 企业信用是指企业在参与市场的过程中能取得某种服务的能力及可信程度的综合评价。诚信 是企业安身立命的根本，也是企业占领市场，扩大再生产，向银行进行融资的基础。社会和银行 也只有在对企业的信用有足够了解，企业的产品才会有市场基础，企业也才能得到发展需要的资 金。化解中小企业融资难的根本出路在于建立健全企业信用评估方法，消除企业融资中的信息不 对称。当前企业信用评估的方法主要有三类：综合评价法、定性评估法和定量评估法。具体的评 估模型有：基于统计方法、分类树及神经网络的评估模型。 基于统计方法的模型主要有：回归模型分析、多元判别分析模型、Logit、Prohit、Logistic  作者简介： 作作者者简简介介：：孙敬水（1958-），安徽蚌埠人，浙江工商大学经济学教授，博士生导师，商 业经济与管理和校报副主编，研究领域：社会经济统计方法与应用；崔立涛（1969-）， 陕西西安人，浙江工商大学统计学院博士研究生，研究领域：社会经济统计方法与应 用。 1 回归模型和神经网络模型。最早的破产预测研究是由fitzpatrick(1932) 进行的单变量破产预 测研究。通过对19家公司的研究，他发现净利润/股东权益和股东权益/负债是预测破产的较好 指标。Beaver（1966）沿着fitzpatrick的单变量研究思路，并以单变量分析法建立财务危机模 型。他发现，预测经营失败的最佳指标是现金流量/负债总额；其次是资产负债率；再次是资产 报酬率。fitzpatrick 和Beaver用单一的财务指标判别企业的违约问题存在以偏概全的弊端， 难免产生偏颇。多元判别模型最早由费歇尔于1936年提出，其代表模型是Altman的Z-Score和 ZETA模型 。Altman运用以上两模型对制造业违约与非违约的临界值进行了确定。王春峰，万海 晖，张维等人（1998）应用多元线性判别模型对某国有商业银行的企业客户短期贷款的偿还情况 进行了分类分析。结果表明，在满足判别分析的假设下，判别分析法与Logit法各有优劣。与 Logit法相比，判别分析法在训练样本分析中的误判率高，而在检验样本分析中的准确率高，两 种方法在检验样本中的准确率都比训练样本中低得多。Ohlson首先将Logistic回归模型用于信 用风险评估领域， Madalla采用这种方法对贷款人的信用情况进行贷款决策。 20世纪80年代末，有学者采用递归分割的技术生成判别树，此后有人提出利用机器学习技 术发展起来的符号方法--分类树对原始样本进行最佳分类判别。两种方法都采用了一种非返回跟 踪的分割方法将样本分割成不相交的子集，差别表现在分割上，分类树旨在极大化分割子集的熵 ， 而递归分割方法则旨在使期望误判损失达到最小。当很难获得较充分的实验数据时，可利用由 Vapnik等人提出的支持向量集SVM对企业信用进行评估。SVM比神经网络具有更强的泛化推广能 力，消除了神经网络的过学习现象。最近O.L.Mangasarian对SVM算法进行了改进，提出了LSVM 法。LSVM法具有线性收敛性，与SOR算法相似。 神经网络作为人工智能的一种分类办法，也被广泛用于风险评估领域。Altman，Marco（1994）