FA-SVM在上市公司财务预警的应用.docVIP

FA-SVM在上市公司财务预警的应用 FA-SVM在上市公司财务预警的应用 PAGE / NUMPAGESPAGE / NUMPAGES FA-SVM在上市公司财务预警的应用 FA-SVM在上市公司财务预警的应 用 纲要：将因子剖析和支持向量机相联合建立组合展望模型， 并以 317 家制造业上市公司为样本，进行财务预警研究。结果表示：因子剖析提升了支持向量机的鉴别效率，能有效展望公司的财务危机，该组合展望模型拥有较强的适用价值。 要点词：财务预警；支持向量机；因子剖析 财务预警模型是指利用公司财务指标或非财务指标系统来 展望或判断公司财务状况的模型。 传统的财务预警方法主要有： 单变 量鉴别剖析、多元鉴别剖析、 Logistic 回归模型、 Fisher 模型、Bayes 模型等。传统的模型往常成立在严格的假定前提下， 但是现实中有些 假定常常很难知足， 进而致使模型的鉴别效率不高。 跟着数据发掘技 术的发展，神经网络被应用到财务预警中， 且被证明其鉴别能力优于 传统的模型。支持向量机作为一种新的神经网络， 拥有强盛的分类泛 化功能，已在众多领域获得了宽泛的应用。 固然支持向量机的鉴别准 确率很高，但对多元共线性敏感，当变量的有关程度较高时，将会影 响到模型的展望正确率。 所以，引入因子剖析法对样本变量进行办理， 使其不存在共线性问题，同时降低了问题的维度，提升了计算速度。 一、