SVM财务欺诈识别模型

利用我国资本市场的面板数据,选取2006—2015年公布的财务报表欺诈公司作为样本公司,以1∶1比例配比非财务欺诈公司,对27个指标(包括财务指标和非财务指标)进行分析,然后通过独立性检验对指标进行降维处理,最终保留8个建模指标.分别利用网格搜索算法、遗传算法和粒子群算法进行支持向量机模型的参数寻优,基于上述不同算法建立了三个支持向量机财务欺诈识别模型.最后,比较三个模型的运行效果,结果表明,通过粒子群算法寻找最优参数效果最好,据此建立的支持向量机模型可以很好地识别出财务欺诈公司样本.     

基于改进的GA-LSSVM的软测量建模方法

针对工业过程中某些重要过程变量难以实现在线测量的问题,提出了一种改进的最小二乘支持向量机(IGA-LSSVM)的软测量建模方法.该方法采用核独立分量分析(KICA)对高维数据进行特征提取,利用改进的最小二乘支持向量机进行建模.该方法既利用了最小二乘支持向量机求解速度快的特点,又利用了自适应遗传算法强大的全局搜索能力,增强了模型的自适应性.用该方法建立柴油凝点的软测量模型,结果表明,基于IGA-LSSVM方法建立的软测量模型具有较高的预测精度和泛化能力.     

基于变结构支持向量回归的城市日用水量预测

鉴于日用水量的时变性,本文提出一种基于变结构支持向量回归的动态预测模型.利用日用水量的历史数据训练支持向量机,得到模型结构参数历史数据序列,然后利用扩展卡尔曼滤波器对模型结构参数组进行估计,最后用模型结构参数估计量来更新模型结构并预测下一天日用水量.在实例分析中分别利用变结构支持向量回归模型和支持向量机预测模型对实际用水量性进行预测分析.结果表明,前者具有更好的动态跟踪能力和更高的预测精度,可应用于城市日用水量的预测.     

基于PCA-SVR的池塘DO预测模型

为解决传统水质预测模型泛化能力低、预测精度差等问题,提出了基于主成分分析和支持向量机相结合的养殖池塘溶解氧预测模型.该模型通过主成分分析筛选反映池塘水体溶解氧信息的关键指标,减少模型输入变量,采用支持向量机算法建立水质预测模型,并用于长沙市乔口镇与望城区池塘养殖溶解氧预测中.结果表明,该模型预测精度高,同时具有很强的泛化能力与适应数据变化的能力,可用于池塘溶解氧预测.     

基于灰色关联支持向量机的混凝土抗压强度预测

混凝土抗压强度预测是一个动态的系统工程,其精度受到多种高维非线性、随机性因素的影响.为有效提高混凝土抗压强度的预测精度,在分析支持向量机的基础上,构建了基于灰色关联支持向量机的混凝土抗压强度预测模型.该模型基于灰色关联分析确定混凝土抗压强度的主导因素,然后通过支持向量机建立其与变量之间的非线性映射关系,同时利用网格搜索算法对支持向量机进行参数寻优.仿真结果表明:与单纯支持向量机和BP神经网络模型预测结果相比,基于灰色关联支持向量机的预测模型更为有效可靠,为提高混凝土抗压强度预测精度提供了新的途径.     

灰色支持向量机在机场吞吐量预测中的应用

在分析传统预测方法不足的基础上,利用灰色支持向量机组合分析模型,以实际值与灰色模型预测值的比值序列作为支持向量机模型的输入,选取径向基函数为核函数,并通过交叉验证法选取最优参数,利用支持向量机模型分析预测比值序列,最后通过灰色模型还原为货邮吞吐量的预测值.以上海机场货邮吞吐量为例,对灰色支持向量机模型进行了实证分析,并与灰色模型、支持向量机模型进行了对比.     

公司治理、外部审计信息与财务危机预警

为了提高财务危机预警模型的准确率和稳健性,在利用上市公司财务数据的基础上,加入公司治理和外部审计信息变量,采用主成分分析和Logistic回归构建了预警模型。实证分析结果显示,加入公司治理和外部审计信息的预警模型,预测能力要比仅使用财务指标的预警模型更为理想。     

基于主成分分析和支持向量机的区域降水预测应用研究

将主成分分析和支持向量机回归相结合, 以广西5、6月区域平均日降水量作为预报对象, 进行区域日降水量预测研究.首先,整理分析大量的T213数值预报产品信息数据进行主成分分析, 得到主成分数据序列; 其次, 根据主成分数据序列建立训练集训练支持向量机, 并利用遗传算法优化参数; 最后, 输入支持向量机所需数据, 得到主成分预测结果, 建立广西日降水预报模型. 实例计算结果表明, 支持向量机回归模型比逐步回归模型有更好的预测能力.     

支持向量机在边坡稳定分析预测的应用

目的提出一种基于改进算法的支持向量机模型(PSO-SVM),利用边坡的参数分析预测边坡稳定性.方法利用支持向量机有效解决小样本、高维数、非线性等问题的优势,建立粒子群算法(PSO)优化的支持向量机模型,粒子群算法优化支持向量机参数,模型中边坡几何参数和强度参数:边坡角β、边坡高度H、岩石容重γ、黏聚力c、内摩擦角φ以及孔隙水压力ru作为输入参数,边坡稳定性系数FS和边坡稳定状态S作为输出参数.结果 PSO-SVM模型与网格搜索算法(GS)、遗传算法(GA)优化SVM模型以及人工神经网络ANN模型相比,具有更高的分类精度和更强的预测能力.结论 PSO-SVM模型能够准确地获得边坡的稳定性系数,评价其稳定性,在边坡稳定分析和预测中具有良好的实际应用价值.     

基于GM-LS-SVM层级模型的数控机床热误差建模

为了更精确地对数控机床热误差进行预测及补偿以提高其加工精度,针对单独使用灰色模型或最小二乘支持向量机模型进行机床热误差建模的不足,并利用这2种模型在数据不同处理阶段的优点,提出一种基于灰色模型和最小二乘支持向量机层级模型的数控机床热误差建模方法。根据机床关键点温度数据和热误差数据,首先建立多个不同数据序列长度的机床热误差灰色模型作为前处理层,然后把经过前处理层前处理的热误差和实测热误差分别作为最小二乘支持向量机模型的输入和输出,作为后处理层,以进行预测精度校正。利用该方法在一台精密卧式加工中心上进行建模实验,并与单独使用灰色模型、最小二乘支持向量机模型和BP神经网络模型进行预测精度对比分析。研究结果表明:基于灰色模型和最小二乘支持向量机层级模型的数控机床热误差建模方法具有更高的预测精度和更强的泛化能力。     

监事会治理影响要因的灰色关联分析

运用灰色关联分析方法找出影响监事会治理有效性的关键因子.基于对监事会结构和运行特征的分析,选取独立性、积极性和效率性等变量衡量监事会的治理特征;选取股东监事比例、职工监事比例和独立监事比例等变量衡量监事会的人员特征;选取财务监督水平、董事会治理指数、经理层治理指数、信息披露指数和利益相关者治理指数等5个变量衡量监督绩效.研究表明:在监事会的治理特征中,效率性对监督绩效有更重要的影响;而在人员特征中,股东监事比例对监督绩效的贡献更大.为此,现阶段提高中国上市公司监事会治理有效性的关键在于改善监事会治理的效率和股东监事对治理的参与.     

基于Adaboost算法结合DEGWO-SVM的财务困境预测

针对支持向量机(SVM)在企业财务困境预测研究中存在参数选择困难、分类准确率低的问题,提出了一种新的Adaboost-DEGWO-SVM组合模型.首先,通过对2017年全部A股上市公司的财务数据进行数据预处理,提取1∶1的困境公司(ST)和正常公司组成建模数据集;然后,利用差分进化算法(DE)改进灰狼优化算法(GWO)来提高其全局搜索能力,以解决灰狼算法易陷入局部最优的问题,从而实现对SVM参数c和γ的寻优;最后,通过Adaboost算法提高了DEGWO-SVM模型的分类能力.实验结果表明,Adaboost-DEGWO-SVM组合预测模型具有明显的困境预测优势,与DEGWO-SVM相比,分类准确率提高了4.34%,Ⅰ类错误和Ⅱ类错误分别降低了0.043 5;与单一SVM相比,分类准确率提高了13.04%,Ⅰ类错误、Ⅱ类错误分别降低了0.130 4、0.130 5,是一种潜在的企业财务困境预测方法.     

基于主成分分析和粗径向基神经网络的财务预警模型研究

将主成分分析和径向基函数神经网络结合,以粗糙集作为预处理器进行指标约简,并以传统财务指标为基础,引入反映企业现实财务状况的现金流量指标,通过主成分分析提取指标和降维,利用径向基函数神经网络作为判别企业财务状态的工具,构建上市公司财务危机预警的RPR模型,实证研究结果证明了该模型具有较高的建模精度和泛化能力。     

上市公司摆脱财务困境的路径选择——基于公司治理的视角

近年来,公司财务困境成为学术界和实务界都十分关注的热点问题。导致公司发生财务困境的原因很多,而关键是公司治理问题。在基于公司治理对财务困境研究的相关文献的归纳和评价基础上,提出上市公司摆脱财务困境的路径选择。     

浅析公司治理对现金股利影响

影响现金股利支付水平的因素很多,有内部的因素也有外部的因素。股利政策作为公司的一项重大财务决策是在一定的公司治理机制的作用下形成的,影响公司现金股利支付水平的主要因素是公司治理。而公司治理结构是一个系统机制,是所有反映公司治理结构变量指标的系统综合作用的结果。通过分析决定公司治理状况的变量以及从股权结构、董事会特征和财务透明度等方面来具体阐述公司治理对现金股利政策的影响。     

基于结构方程模型的公司治理对企业技术创新影响分析

通过治理结构变革来推动技术创新,是增进企业活力、改善绩效的重要途径。以公司治理结构对企业技术创新的影响为研究主题,运用结构方程模型,通过从股权结构、董事会结构、管理层激励以及资本结构等方面进行实证研究,得出结论:国有持股比例越高越不利于企业技术创新活动的进行;独立董事以及董事会规模对企业技术创新投资的影响不显著;股权集中度越高,技术创新的投资越高;管理层激励与技术创新的投资有明显的正相关关系;企业负债率与技术创新则有明显的负相关关系。相比回归分析的统计方法,结构方程模型可以同时处理多个因变量,同时容许自变量和因变量含测量误差,还可以估计整个模型的拟合程度,因而对结构方程模型的运用增加了研究结果的精准性和说服力。     

治理因素与公司绩效关联关系的量化分析

通过对公司治理因素与公司绩效关系的分析,建立了描述治理因素与公司绩效的关联关系模型.为了量化分析治理因素之间的关系,首先确定出公司绩效、股权结构、董事会效率、经营水平和利益相关者作用5个因素的量化指标.进而,利用我国2002年1 103家样本公司的统计数据,通过多元相关分析,对治理因素与公司绩效的关联关系模型中各个因素之间的交互关系进行了确认性实证分析.通过各个因素的相关分析,确定出治理因素与公司绩效的相关系数,将其作为治理因素之间以及治理因素与公司绩效之间关联关系的定量描述.     

公司治理与公司绩效实证研究

用神经网络和多元判别分析两种方法来研究公司治理与公司绩效之间的关系。首先假设"公司治理对公司绩效是有效的",然后选取一组包含ST和非ST的上市公司作为研究样本,再通过神经网络和多元判别分析方法来验证。实证结果表明,公司治理变量在一定程度上的确能够区分ST和非ST的上市公司,即公司治理能够对公司绩效进行有效的"判别"。     

控制权机制对公司治理影响的实证分析

公司控制权是公司治理中的核心问题．文章从中国证券市场2001—2003年的实际情况出发,以控制权集中度对公司治理效果的影响为主要内容,采用净资产收益率和托宾Q值表征公司治理的效果,将全部样本分为控制权高度集中与高度分散2个子样本组,揭示控制权差异对公司治理效果的影响,发现净资产收益率与控制权集中度负相关;控制权高度集中的情况下,净资产收益率还与每股净资产正相关;控制权高度分散的情况下,净资产收益率还与董事会规模正相关．