生物启发优化算法 与上市公司信用评级 ——基于ABC-SVM的实证研究

摘要：

在国际评级机构经济背景与我国市场经济不相契合的前提下,为完善我国上市公司信用评级方法体系,本文通过完善指标选取、数据处理与算法优化三个方面,选取锐思数据库我国上市公司的评级数据、财务数据与相关非财务数据,采用"数据分割"方式,创新性地将人工蜂群算法优化支持向量机(ABC-SVM)应用于我国上市公司信用评级中.结果表明:通过将整体数据集分割为升级数据集和降级数据集,评级准确率分别提高了3.78％和3.37％;同时,较传统支持向量机与其他两种生物启发算法(粒子群算法、遗传算法)优化下的支持向量机,ABC-SVM算法的评级效果最好,评级准确率显著提高了5％—7％.本文为我国上市公司信用评级提供了方法思路,丰富了企业信用评级指标体系,为建立层次更全面的企业信用数据库、提高我国上市公司信用评级准确率提供技术支持,并为我国争取国际评级话语权提供理论依据.

关键词：人工蜂群优化算法、支持向量机、数据分割、信用评级、上市公司

分类号：F832.51(金融、银行)

在线出版日期：2020-07-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：57-65