基于最优模糊SVM的财务危机预警研究--来自成渝经济区上市公司的经验证据-论文.pdf

《基于最优模糊SVM的财务危机预警研究--来自成渝经济区上市公司的经验证据-论文.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、公司治理基于最优模糊SVM的财务危机预警研究*———来自成渝经济区上市公司的经验证据121徐凯黄迅刘金彬1.成都学院经济管理学院2.成都理工大学商学院【摘要】以我国成渝经济区上市公司为研究对象，将模糊方法（FuzzyApproach）引入支持向量机（SupportVectorMachine，SVM），构建了模糊支持向量机（FSVM）模型，并对四种不同核函数下的FSVM进行了性能对比研究，同时，也与传统统计模型和其余人工智能模型进行了性能对比研究。实证结果表明，Gauss径向基核函数下的FSVM模型不仅较线性、多项式和神经元的非线性作用三种核函数下的FSVM模

2、型具有更为优越的预测性能，同时，也显著优于传统统计模型和其余人工智能模型。【关键词】成渝经济区；财务危机预警；模糊方法；支持向量机；核函数中图分类号：F279.23文献标识码：A文章编号：1004-5937（2015）12-0073-05一、引言服从正态分布，事实上，研究所获取的样本往往难以满足随着经济全球化进程的不断加快，上市公司的竞争日正态分布的前提假设条件；又如传统统计模型属于线性模益激烈，使得财务危机爆发的可能性大大增加。而一旦型，但现实中的财务预警样本却往往呈现出非线性特征爆发财务危机，不仅威胁着上市公司的生存与发展，同（黄继鸿等，2003），如果

3、仍然使用传统统计模型进行线性时还严重损害投资者的投资利益，甚至也给国家经济的建模，就很可能会导致预测不准确。发展带来严峻的挑战。因此，开展财务危机预警研究，以由于传统统计模型存在上述缺陷，因而以人工神经准确地预测并有效地防范和化解财务危机，对于促进上网络（ArtificialNeuralNetworks，ANNs）（Tam&Kiang，市公司的健康发展、优化投资者的投资决策、推动国家1992）和支持向量机（SupportVectorMachine，SVM）经济的稳定发展具有重要的现实意义（鲍新中和杨宜，（Vapnik，2005）为代表的人工智能模型应运而生。

4、ANNs2013），尤其是次贷危机、欧债危机等金融危机的相继爆能够有效地克服传统统计模型存在的缺陷，被研究学者发，使得财务危机预警研究成为了理论与实务界研究的大量运用于财务危机预警研究中，取得了较好的效果。热点问题之一。但ANNs仍然存在不足，如易陷入局部最优、可调整参成渝经济区作为长江流域三大经济区之一，既担负着数过多等，从而对模型的预测精度产生了较大的影响。承接中东部地区产业转型的重要任务，又肩负着国家振兴而与ANNs基于经验风险最小化原则建模不同，SVM基西部以及推进西部大开发的重要使命，对于促进区域经济于结构风险最小化原则进行建模，能够有效地获得全局

5、的协调发展起着至关重要的作用（何雄浪和朱旭光，2010；最优而避免陷入局部最优。同时，SVM的可调整参数较江琴，2010）。而成渝经济区内的上市公司作为成渝经济区ANNs更少，因而在危机预警中能够取得比ANNs更为发展与建设的重要经济主体，在维持整个成渝经济区经济优异的预测效果（杨毓、蒙肖莲，2006；Sunetal.，2009；的稳定与发展中具有举足轻重的作用。因此，对成渝经济Wuetal.，2014）。基于此，本文将构建成渝经济区上市区内上市公司的财务危机预警进行研究，以维持上市公司公司的SVM财务危机预警模型，以求能够准确地预测财的稳定运行与发展，从而

6、促进成渝经济区的繁荣与和谐具务危机。有重要的现实意义。但值得注意的是，当SVM处理包含较多噪声样本的财务危机预警模型至今已被大量学者广泛研究，较早数据时，十分容易受到奇异点或野点的干扰，从而导致预的预警模型主要是以单变量分析（Beaver，1966）、多元判测精度较低。因此，为了减少这些奇异点或野点对SVM预别分析（MultipleDiscriminantAnalysis，MDA）（Altman，测性能的干扰，Lin，Wang（2002）；Huang，Liu（2002）将模1968）、逻辑（Logit）回归（Ohlson，1980）、改进Z模型（徐糊方法（F

7、uzzyApproach）引入到了SVM中，提出了一个凯等，2014）等为代表的传统统计模型。然而，传统统计模新颖的SVM模型———模糊SVM模型（FSVM）。FSVM通过型却存在较为明显的缺陷，如传统统计模型通常假设样本对每个样本点赋予不同的隶属度（奇异点或野点被赋予较*基金项目：成都学院校青年基金项目“‘成渝经济区’企业经营危机的智能预警方法及应用”（2013XJR07）；四川省教育厅人文社科项目“西部地区企业财务风险的PSO-SVM预警方法及应用”（14SB0359）73公司治理低的隶属度，而非奇异点或非野点被赋予较高的隶属度），讨了四种核函数下FSV

8、M的预测性能，并从中获得了最优从而减少了奇异点或野点