基于邻域粗糙集和加权投票组合分类器的财务困境预测研究

摘要

财务困境预测研究已成为理论界和实务界一项重要的研究课题。虽然单分类器财务困境预测研究已经取得了丰富的研究成果，但是如何通过组合分类器融合各基本分类器的分类信息，提高预测性能，是一个尚待深入研究的课题。本文以上市公司为研究对象，以因财务状况异常而被特别处理作为陷入财务困境的标志，以邻域粗糙集方法结合树枝修建思想提取输入属性，并构建了基于加权投票组合的财务困境预测模型。通过实证实验的结果可知，组合模型较单分类器模型具有更高的平均测试准确率和更低的变异系数，起到了各基本分类器信息互补和扬长避短的作用。