基于新闻文本的上市公司财务困境组合预测模型

《基于新闻文本的上市公司财务困境组合预测模型》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、网络首发时间：2016-07-2220:46计算机应用研究2017,06(34),1663-1667DOI:10.3969/j.issn.1001-3695.2017.06.014基于新闻文本的上市公司财务困境组合预测模型陈云杨晓雪上海财经大学佥共经济与管理学院上海市金融信息技术研宄重点实验室导山/参考文献关注分享收藏打印摘要：己有上市公司财务困境预测模型主要是基于结构化数据进行研究，为进一步提高上市公司财务网境预测模型准确率，将非结构化数据引入上市公司财务网境预测问题中，研究了基于新闻文本分类的上市公司财务困境预测模型，结合新闻文本信息和财务信息提出上市公司财务困境组合预测模型。首先将新闻

2、数据进行预处理，然后基于新闻文本数据通过支持向量机(SVM)进行财务困境预测，同时基于财务数据通过Logistic模型进行财务困境预测，最后采用阈值表决集成策略整合两种模型的预测结果。实验结果证明了模型的有效性。关键词：财务困境预测;文本分类;组合预测模型;支持向量机;Logistic;作者简介：陈云(1966-),女，江苏南通人，常务副主任，教授，博导，主耍研究方向为知识管理与知识工程、金融风险、供应链金融；作者简介：杨晓雪(1979-),女，陕丙富平人，傅士研究生，主要研究方向为数据挖掘、金融风险(xxyang@sufe.edu.cn).收稿曰期:2016-04-29基金：W家自然科学基

3、金资助项目(71101084,71301095)CombinationfinancialdistresspredictionmodelbasedonnewstextChenYunYangXiaoxueSchoolofPublicEconomics&Management，ShanghaiUniversityofFinance&Economics;Abstract：Existingcorporatefinancialdistresspredictionmodelwasmainlybasedonstructureddata,thispaperintroducedunstructureddatato

4、corporatefinancialdistresspredictionmodelandstudiedmodelbasedonnewstext.Inordertoimprovecorporatefinancialdistresspredictionmodel’saccuracy,thepaperproposedacombinationpredictionmodelbindingtextnewsandfinancialdatacompanylisted.Firstly,theproposedmodelpredictedthefinancialdistressbySVMbasedonthenew

5、stext,andthenpredictedthefinancialdistressbyLogisticbasedonfinancialdata.Finally,thispaperintegratedpredictionsofthetwomodelsthroughthresholdvote.Experimentalresultsshowthatthemodeliseffective.Keyword：predictionoffinancialdistress;textclassification;combinationpredictionmodel;supportvectormachines(

6、SVM);Logistic;Received：2016-04-290引言近年来，国内资木市场迅速发展，吸引了越来越多的投资者投资。常见的投资途径包括股票、期货、期权、债券基金等，其中股票是最广为接受的一种。然而，资本市场具有不稳定性，大多投资者只有在上市公司公开发布财务声明后才了解公司存在的财务问题。因此，在上市公司公幵发布财务声明之前预测公司的财务困境显得愈发重要，能够帮助投资者预估上市公司是否即将陷入财务困境，从而作出正确的投资决策U1。而随着互联网的普及，媒体通过监督机制和声誉机制发挥了对上市公司的监督和约束作用。通常在上市公司出现财务困境之前，媒体会出现较多的负面报道，负面报道会增加

7、企业的经营困境，造成上市公司股价巨大波动，甚至导致其最终倒闭，如三鹿集团“毒奶粉”事件、德隆资金断裂事件等。研究表明，在上市公司处罚公告发布前，媒体已经深入报道了上市公司24.7%的违规行为m。许多研究已经证明人工裨能模型可用于上市公司财务困境预测。基于人工智能的上市公司财务困境预测主要步骤为:在上市公司历史的财务和非财务数据(包括财务困境企业和健康企业)上训练得到分类模型，从而得到上市公司财务困境和公司属性