基于SVM的中国上市公司财务困境预测问题实证研讨.pdfVIP

基于SVM的中国上市公司财务困境预测问题实证研究 赵冠华 林倩 （天津大学管理学院 中国天津 300072 山东财政学院会计学院 中国济南 250014） 摘 要:文章针对传统预测模型的不足，探讨支持向量机(SVM)模型在中国上市公司财务 困境预测中的作用。通过SVM与传统的多元判别分析（MDA）、多元逻辑回归（MLR）以及BP 人工神经网络（BP-ANN）的实证对比和模型分析，得出SVM在20组测试样本集上的平均误 判率是最低的，显著优于MDA 、MLR，也优于BP-ANN，证实了SVM模型用于财务困境预测的 有效性和优越性。 关键词:SVM；MDA；MLR；BP-ANN；财务困境；中国上市公司 1 引言 自沪深证券交易所成立以来，我国证券市场蓬勃发展。但从总体情况来看，上市公司经 营业绩并不乐观，突出问题是部分上市公司出现严重的财务危机，亏损面和亏损额有逐年增 加的趋势。上市公司作为企业中的特殊群体，是现代公司制的最高形式，是投资人、债权人 各方利益关注的焦点，其健康与否牵动各方利益，并影响到我国资本市场的发展。在这种情 况下，通过构造合理的预测模型，正确地预测企业财务困境，对于保护投资者和债权人的利 益，对于经营者防范财务危机，对于政府管理部门有效地监控上市公司和降低证券市场风险， 都有着极为重要的现实意义。 上市公司财务困境预测，在实践中使用较多的是多元判别分析（MDA）、多元逻辑回归 （MLR）以及BP人工神经网络（BP-ANN）。但在应用中，上述方法还存在许多局限性,比如： MDA要求自变量在总体上必须符合联合正态分布、组内协方差矩阵相同以及自变量必须是连 续变量；MLR则要求自变量间无共线性问题、样本数必须大于回归参数个数等；而BP-ANN虽 没有MDA和MLR的限制条件，但神经网络收敛速度慢、需要较长的训练时间，且缺乏完整的 理论基础，模型的经济含义难以解释，而且存在“过拟合”等问题。 Vapnik等人提出的，在20世纪90年代中期发展成熟的统计学习理论，是研究小样本学 习的理论，它最主要的贡献就是指出了控制泛化能力的许多指导性原则，并提出了实用的、 具有优良泛化能力的支持向量机(Support Vector Machine，SVM)技术，它是对传统统计学 的重要发展和补充，已成为当前学习理论的一个突出研究热点。 本文针对传统模型的不足，通过与传统的MDA、MLR以及BP-ANN模型的实证对比和模型 分析，探讨了SVM模型在财务困境预测中的作用。 2 SVM原理及算法 在未知概率分布函数F(z)，但已知独立同分布的l个观测样本z ,z ,,z 的情况下，在 1 2 l 容许函数集   中选择一个函数g z，最小化期望风险 ，这里 g z          0 R  L z,g z dF z     是对任意的 都是可积的损失函数，该问题的难点是分布函数F(z)是未知的。 Lz,g z g z   传统的解决思路是采用经验风险最小化(Empirical Risk Minimization,ERM)原则，即用最 1 小化经验风险R  1 l LZ g z 来代替最小化期望风险求解。 emp  i,  i l i1 但是，在有限样本情况下，经验风险最小并不一定意味着期望风险最小。SLT指出经验