10.3969/j.issn.1001-8409.2009.11.026
基于邻域粗糙集和神经网络的财务预警研究
利用邻域粗糙集对属性进行约简,得到由财务指标和非财务指标构成的预警指标体系.将其作为神经网络的输入变量对我国上市公司财务状况进行预测.实证研究表明,模型能有效剔除冗余信息,避免传统粗糙集模型因数值离散化带来的信息丢失.在大大缩短训练时间的同时,模型的预测精度达91.7%,高于同等条件下神经网络模型、Logistic模型.
财务预警、邻域粗糙集、属性约简、BP神经网络
23
F830(金融、银行)
国家自然科学基金资助项目70471031;国家杰出青年科学基金资助项目70825006
2010-01-29(万方平台首次上网日期,不代表论文的发表时间)
共5页
123-126,139