基于svm的上市公司退市风险预警方法研究——以我国制造业上市公司为例

《基于svm的上市公司退市风险预警方法研究——以我国制造业上市公司为例》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、浙江工业大学学位论文原创性声明本人郑重声明：所提交的学位论文是本人在导师的指导下，独立进行研究工作所取得的研究成果。除文中已经加以标注引用的内容外，本论文不包含其他个人或集体已经发表或撰写过的研究成果，，也不含为获得浙江工业大学或其它教育机构的学位证书而使用过的材料。对本文的研究作出重要贡献的个人和集体，均已在文中以明确方式标明。本人承担本声明的法律责任。作者签名：汤欺立日期：沪弓年，V月矸日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查

2、阅和借阅。本人授权浙江工业大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。本学位论文属于作者签名：导师签名：l、保密口，在年解密后适用本授权书。2、不保密口。(请在以上相应方框内打“4”)谝业丑汤业业日期：泸1>年f1月∥午日日期：年月日浙江工业大学硕士学位论文基于SVM的上市公司退市风险预警方法研究lIIIIIIIIIIIIIIPlIIIIIUI——以我国制造业上市公司为例Y2498172摘要上市公司退市风险预警是证券市场退市机制的核心内容。构建设计一个科学有效的退市风险

3、预警方法对完善我国证券市场退出机制，保护相关利益者合法权益，提高上市公司质量，降低证券市场风险具有重要意义。支持向量机作为机器学习领域的一项新技术，在解决小样本、非线性及多维模式识别中具有较好的学习能力和泛化能力。因此，本文尝试构建设计适合我国证券市场的基于支持向量机(SVM)的退市风险预警方法，来对我国上市公司进行退市风险预警研究。本文以我国主板和中小板市场的制造业上市公司为例，选用2004．2013年10年内162家首次被交易所处以退市风险警示的*ST样本和162家配对样本进行基于SVM的退市风险预警方法的模拟应用，结果发现该方法对t．

4、2年的退市风险预测精度达到了90．625％至93．750％，t．3年的退市风险预测精度在66．410％至75．781％之间，t-4年的退市风险预测精度在67．969％至71．875％之间。SVM退市风险预警方法对t．2、t．3、t-4三年的总体预测能力表现良好。同时本文还研浙江工业大学硕士学位论文基于sVM的上市公司退市风险预警方法研究究了初始预警指标的共线性问题对预警结果的影响，实验结果发现对预警指标进行主成分分析后会降低SVM方法的预测精度，预警指标之间的多重共线性对SVM方法的预警结果并无不利影响。本文最后研究了GA遗传算法、PSO粒

5、子群算法这两种启发式参数寻优方法对预警结果的影响。通过实验结果对比，发现GA遗传算法在SVM退市风险预警方法的实验参数优化方面表现出的性能更加优异。关键词：支持向量机，退市风险，风险预警，主成分分析浙江工业大学硕士学位论文基于SVM的上市公司退市风险预警方法研究RESEARCHONTHEDELISTINGRISKⅥ狐RNINGMETHODSOFLISTEDCOMPANIESBASEDONSVNf—-EXAMPLEFROMLISTEDCOMPANIES0FMAM．爪ACTURINHINDUSTRYINCHINAABSTRACTThedelis

6、tingriskwarningoflistedcompanyisthecorecontentofthesecuritiesmarket’Sdelistingmechanism．Buildinganddesigningascientificandeffectivemethodofdelistingriskwarningisveryimportantforimprovingthesecuritiesmarketexitmechanismandprotectingstakeholders’legitimaterightsandinterests，

7、improvingthequalityoflistedcompaniesandreducingthemarketri．sk．SupportvectormachineasanewtechnologyinthefieldofmachinelearninghavegoodperformanceinsolvingPatternrecognitionofsmallsamplesize，nonlinearandmulti—dimensional，andalsohavelearningabilityaswellasgeneralizationabilit

8、y．therefore，thispaperattemptstoconstructanddesignadelistingriskwarningmethodthatbasedonsu