基于支持向量机的上市公司财务危机预警研究

以2002—2005年在沪深两市挂牌交易的87家ST上市公司及102家非ST上市公司为样本,采用公开发布的财务报表中的相关数据,运用支持向量机模型进行了实证研究.研究表明,在小样本数据条件下,与其他预警模型相比支持向量机模型预测精度远远高于其他方法,具有其他方法所不具有的优越性.     

改进的粒子群算法的小波支持向量机预警模型

将小波函数引入支持向量机核函数,同时在支持向量机的学习算法上,引入了改进的粒子群优化算法,使得支持向量机的参数得到最优解,从而建立上市公司财务困境预警模型。实验结果表明,本文提出方法的预测准确率高于普通的小波支持向量机预警模型。     

基于支持向量机的化工企业安全预警模型研究

针对物料危险性大、工艺过程复杂、极易发生爆炸为特点的化工企业,结合近5年事故调查报告,提出了建立化工企业安全预警指标体系与预警模型.以支持向量机(SVM)模型为基础,交叉验证最佳参数并对实验企业进行预警,使企业能正确识别和把握风险,以事前控制的思想降低企业风险.结果表明,运用SVM模型进行化工企业安全预警具有较高的准确性、可操作性和推广价值.同时,总结了SVM模型预警得出低风险企业所具有的共性,这对化工企业管控风险的实践具有重要指导意义.     

基于支持向量机的助学贷款信用风险预警研究

针对助学贷款额度小、管理过程繁琐、违约率高的问题,提出了用基于支持向量机的助学贷款信用风险预警系统来有效降低关注范围、提高贷后管理效率的方法.在分析助学贷款违约影响因素和相关预警模型特点的基础上,建立了支持向量机预警模型;通过实际数据测试,模型在违约和守约分类预测方面有较高的准确率,为银行调整贷后管理策略提供了依据.     

基于粒子算法和支持向量机的财务危机预警模型

基于特征集的选择、核函数参数的优化对支持向量机(SVM)模型的预测性能有着重要的影响,提出了一个粒子算法-支持向量机(PSO-SVM)模型.该模型采用PSO对特征集和核函数参数同时进行优化,从而提高SVM模型的预测结果.将所提出的PSO-SVM模型应用到财务危机预警中,取得了较佳的预测结果.     

基于支持向量机的上市公司财务危机预警研究

近年来,我国经济飞速发展,但也存在影响经济发展的因素,它可能使企业陷入财务危机,因此非常有必要建立财务预警系统。本文通过建立支持向量机预警模型对财务困境进行预测,经实证研究得知该模型对检验样本的预测正确率为82.5%,说明支持向量机方法对上市公司的财务危机具有较好的预测效果。     

线性规划支持向量机在非线性系统辨识中的应用

使用线性规划优化技术代替二次规划优化技术,通过最小化支持向量数来实现支持向量机算法.由于线性规划支持向量机的核函数不需要满足Mercer定理,因此,采用复高斯小波B样条小波作为支持向量机的核函数,建立了线性规划支持向量机模型,并将其用于非线性系统的辨识.仿真结果表明,线性规划支持向量机模型的辨识精度高于二次规划支持向量机模型.     

中小企业板上市公司退市风险预警研究——基于因子分析的Rprop神经网络模型分析

以我国中小企业板上市公司退市风险预警为例,利用弹性反向传播算法(resilient back propagation,Rprop)和因子分析法相结合,建立一种基于因子分析的Rprop神经网络模型。首先利用因子分析法构建包含财务变量和非财务变量的预警体系;其次运用Rprop神经网络模型对我国160家中小企业板上市公司进行退市风险预警实证分析;最后对该模型的有效性进行实证分析,结果表明,该模型对上市公司退市风险预警的准确性比标准的BP神经网络模型和支持向量机模型分别提高2.91%和6.09%。因此,该模型可为投资者决策提供较好的参考依据。     

基于模糊支持向量机的变压器故障诊断

针对支持向量机对训练样本内的噪声和孤立点比较敏感,影响了支持向量机分类性能的弱点,利用模糊支持向量机的学习方法,构建了变压器故障诊断模型.采取一种基于二叉树的多分类方法,使用模糊C均值聚类算法求取模糊支持向量机的模糊隶属度,采用径向基核函数,并利用遗传算法对模糊支持向量机的参数进行寻优.实验结果表明,基于二叉数的模糊支持向量机模型相比BP神经网络、支持向量机有更高的诊断准确率,基于二叉树模糊支持向量机的变压器故障诊断方法是可行的.     

一种基于支持向量机的企业财务危机预警新模型

为有效解决传统模型存在的小样本、高维数、非线性和局部极小点等问题,基于支持向量机方法建立了一种新的企业财务危机预警模型.该模型以财务危机预警指标体系为基础,企业财务危机与否的实际结果为学习样本,采用交叉验证和"格搜索"方法进行训练、验证,确定出最优分类函数.实例分析结果表明,该模型简单、有效、可行,为企业财务的动态预警提供了新的途径.