10.13860/j.cnki.sltj.20160722-001
不平衡数据的企业财务预警模型研究
在股票市场中,由于被评为“ST”的公司数量远远少于普通的公司,所以用于训练财务预警模型的数据有着严重的不平衡性.而一般的分类模型如logistic回归等并不具备处理不平衡数据的能力.本文应用加权L1正则化支持向量机(w-L1SVM)构建一个可以处理不平衡数据的财务预警模型:一方面,w-L1SVM通过对两类样本的损失函数进行加权处理,有效地解决了样本不平衡性带来的预测精度问题;另一方面,w-L1SVM通过引入LASSO罚,使得模型在训练的过程中可以直接进行特征选择.通过数值模拟,本文验证了w-L1SVM在非平衡数据分类问题中的预测和特征选择表现.在实证研究中,本文针对我国股票市场机械、设备、仪表板块中的上市公司构建了一个基于w-L1SVM的财务预警模型,结果显示基于w-L1SVM的财务预警模型可以有效选择重要的财务指标并预测被评为“ST”的公司,并且其预测效果显著优于非加权的传统模型,这充分说明了w-L1SVM在财务预警问题中的适用性.
加权的L1正则化支持向量机、不平衡样本、特征选择、财务预警
35
F224.7;O212(经济计算、经济数学方法)
本文为国家自然科学基金青年项目71301162和国家社会科学基金13CTJ001的阶段性研究成果.
2016-11-10(万方平台首次上网日期,不代表论文的发表时间)
893-906