一种基于PSO优化加权随机森林算法的上市公司信用评级模型设计

摘要：

研究目标:根据企业财务比率数据,将企业经营状况通过评级机构所公布的信用级别反映出来.研究方法:本文针对传统随机森林模型在投票机制中存在的弊端,通过改进指标选取、重要性排序及算法优化三个方面,创新性地将PSO算法运用于基于加权随机森林模型的企业信用评级中,并对2016年2840家中国上市企业的财务数据进行应用分析.研究发现:采用PSO优化加权随机森林模型的上市公司信用评级准确率有所提高;其评级准确率普遍优于传统的决策树、支持向量机和随机森林模型;制造业企业信用评级状况不佳,被标记为财务危险的企业占比较多.研究创新:在企业信用评级领域提出一种基于PSO优化加权随机森林模型.研究价值:为完善企业信用评级体系提供新思路.

关键词：上市公司、企业信用评级、加权随机森林、粒子群优化

所属期刊栏目：36

分类号：C812(统计方法)

资助基金：国家社会科学基金;国家自然科学基金;国家自然科学基金;教育部人文社会科学研究项目;辽宁省经济社会发展研究项目

在线出版日期：2020-01-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共18页

页码：165-182