SVM算法在高新技术企业财务危机预警模型中的应用研究.pdf

《SVM算法在高新技术企业财务危机预警模型中的应用研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、2010年第6期科技管理研究ScienceandTechnologyManagementResearch2010No．6文章编号：1000—7695(2010)06—0147—03SVM算法在高新技术企业财务危机预警模型中的应用研究张晓琦(哈尔滨工程大学经济管理学院，黑龙江哈尔滨150001)摘要：财务危机预警模型一直是国内外学者研究的重点。在回顾国内外相关研究的基础上，运用支持向量机(SVM)方法，选取净资产收益率、应收账款周转率、速动比率、盈利现金比率、高新技术产品和服务收入增长率作为输入变量，并定义

2、“违约”作为输出变量，建立了我国高新技术企业财务危机预警模型，并利用75家非上市高新技术企业的数据进行实证分析，取得了98％的训练样本准确率和92％的验证样本准确率，预测精度较高，证明SVM方法在高新技术企业财务危机预警建模方面的有效性。关键词：高新技术企业；预警模型；SVM中图分类号：F276．44文献标识码：A由次贷危机引发的全球性金融危机，对我国经济产生了Logit分析的实证对比和模型分析，得出SVM在20组测试样重大影响。尽管在这场危机中，我国高新技术企业的总体表本集上的平均误判率是最好的，显著优

3、于多元线性回归，也现优于传统制造业，但仍有相当一部分企业出现了产品出口优于Logit分析，证实了SVM模型用于财务困境预测的有效减少、盈利能力下降、现金流量不足等问题，而且我国高新性和优越性。朱发根等(2009)首次将SVM方法运用到高技术企业多数处于成长起步阶段，自身抗击风险能力较弱，新技术上市公司财务危机预警模型，利用以5O家高新技术企内外部压力使得这些企业亮起财务红灯的可能性大大增加。业或所在行业的高新技术产业的上市公司为样本，模型具有为此，研究预警模型并有效预测财务危机，对高新技术企业100％的训

4、练精度和90％的预警精度，表明将SVM运用于高的实际经营者和资金供给者，都具有一定的借鉴意义。新技术企业财务预警方面能够获得较好的效果。总之，国内学者在利用SVM构建企业财务危机预警模型1文献回顾方面，已经取得了一些成就，但是由于数据的易取得性和结财务危机预警模型经历了从传统统计方法到人工智能方果的易观测性，几乎当前所有的研究都是围绕着上市公司展法的一个发展过程。早期研究预警模型多是利用多元判别分开的。截止到2008年底，我国共有高新技术企业2万多家，析(Ahman，1968)、Logit回归分析(Ohl

5、son，1980)、Probit而上市高新技术企业才不过几百家，相对于我国高新技术企概率模型(Zmijewski，1984)等传统统计方法，由于这些模业的总量，上市公司所占份额非常微小。上市公司财务质量型对样本数量要求较高，在使用方面存在着一些不足。随着相对较高，财务指标总体要优于未上市公司，所以利用上市统计和计算机技术的不断发展，人工智能模型逐渐被引入到公司的样本数据建立高新技术企业预警模型，很容易出现样财务危机预警的研究中。9O年代初期，神经网络方法被广泛本选取偏差，结果出现过度拟合的状况，导致模型预

6、测有效使用，但其结构难于确定，在实际应用过程中，存在一定的性降低，不能广泛用于整个高新技术行业的财务危机预警。局限性。直到90年代中期，Vapnik提出了一种全新的机器学为此，本文应用SVM算法建立高新技术企业财务危机预警模习方法——支持向量机(suppo~vectormachine，SVM)，适型的过程中，选用非上市的高新技术企业作为样本来源，并用于有限样本问题，预测效果较好，可操作性强，具有较高通过验证分析，证明基于SVM算法的财务危机预警模型，在的应用价值，成为当前财务危机预警模型研究的一个突出非上

7、市的高新技术企业也同样适用。热点。2原理和算法国内外对SVM的研究多集中于模型精度和模型比较方面，Fan等人(2000)将多种方法进行综合比较研究，结果SVM追求的不是一个将两类样本简单分开的分类面，而显示，SVM预测的准确率高于神经网络模型、LVQ和多元判是要得到一个最优的分类面，使它能够尽可能多的将两类数别分析，证明SVM的预测能力优于其他几种方法。⋯Shin等据点正确地分开，同时使分开的两类数据点距离分类面最远，(2005)运用1996-1999年问韩国破产企业的数据，对SVM从而实现风险最小。最优

8、分类面方程W一b=0，支撑面之方法和BP神经网络方法进行比较，结果表明，训练样本越间的距离叫做分类间隔：2／I}f小，SVM的准确率和总体表现就越优于BP神经网络模型。1一模型：rain÷Wt．Y(W+b)1，i=1，2，⋯，Ⅳ国内对SVM应用于预警模型的研究始于2006年，闫娟二Ⅳ娟等(2006)采用上市公司的财务报表数据，将基于SVM同作广义Lagrange乘子函数L=一∑a(y(埘+神经网络模型的财务危机预警模型进行比较