基于人群搜索算法的上市公司的 Z-Score 模型财务预警研究

摘要：

针对传统的 Z-Score 财务预警模型预警能力的不足，导致无法准确判定上市公司的财务风险状况，将 SOA 算法的良好寻优能力和 Z-Score 财务预警模型结合起来，提出一种改进的 Z-Score 财务预警模型，构建出 SOA 算法优化 Z-Score 财务预警模型的适应度函数。仿真对比发现，改进的 Z-Score 财务预警模型其平均识别率高达96.33%，远远高于 SVM 算法和 AdaBoost 算法的平均识别率，改进的算法极大地提升了 Z-Score 财务预警模型的预测能力，使其更具适应性。

关键词：Z-Score模型、人群搜索算法、寻优能力、数学模型、适应度

分类号：F275;F224(企业经济)

资助基金：教育部人文社会科学规划基金14YJA790089

在线出版日期：2015-04-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：66-70,139