以我國(guó)創(chuàng)業(yè)板上市公司為研究對(duì)象,針對(duì)公司不同財(cái)務(wù)狀況構(gòu)成的非均衡樣本特性,運(yùn)用Twin-SVM來(lái)構(gòu)建財(cái)務(wù)危機(jī)預(yù)警模型。實(shí)證結(jié)果表明:在Twin-SVM模型的構(gòu)建過(guò)程中,RBF核函數(shù)展示出比Linear、Polynomial、Sigmoid、Wavelet核函數(shù)更為優(yōu)異的預(yù)測(cè)性能;與改進(jìn)的ODR-ADASYNSVM、BP神經(jīng)網(wǎng)絡(luò)、Bayes分類(lèi)法和K近鄰法相比,Twin-SVM不僅在預(yù)測(cè)精度上高于其他模型,而且在預(yù)測(cè)穩(wěn)健性上也顯著更為優(yōu)越,在制造業(yè)與信息傳輸、軟件和信息技術(shù)服務(wù)業(yè)兩個(gè)分行業(yè)的泛化性能也顯著優(yōu)越于其余模型。

【文章頁(yè)數(shù)】：9 頁(yè)

【文章目錄】：
一、引言
二、研究方法
    1. 基于Twin-SVM的財(cái)務(wù)危機(jī)預(yù)警模型構(gòu)建。
    2. 財(cái)務(wù)危機(jī)識(shí)別方法。
    3. 財(cái)務(wù)危機(jī)預(yù)警模型的性能評(píng)估方法。
三、實(shí)證結(jié)果與分析
    1. 樣本選擇及數(shù)據(jù)處理。
    2. 特征指標(biāo)的篩選。
    3. 不同核函數(shù)下Twin-SVM模型的預(yù)測(cè)性能對(duì)比。
    4. 不同預(yù)警模型的預(yù)測(cè)性能對(duì)比。
    5. 分行業(yè)下Twin-SVM預(yù)警模型的預(yù)測(cè)結(jié)果。
四、結(jié)論



本文編號(hào)：3748964