基于遗传算法的改进支持向量机财务预警研究

摘要

财务危机是中国企业面临的重要问题之一，在中国的股票市场上，上市公司出现亏损并在一段时间内不能扭亏为盈，则有被退市的危险。公司出现财务危机不仅危及到企业的自身生存与发展，而且还影响到投资者、债权人和整个社会的利益。随着我国市场经济体制改革的深化和资本市场的快速发展，经济领域中的复杂性、不确定性日益显现，企业发生财务危机乃至破产的事件将会越来越多。因此，建立财务危机预警系统、有效地防范财务危机的出现，已是刻不容缓的研究课题之一。 支持向量机是最近发展起来的一种新的通用的机器学习方法，并越来越受到国内外研究者的广泛关注。而最近研究表明，在解决金融问题上支持向量机方法比传统统计方法更有优越性。最早支持向量机是为了分类辨别问题提出的，常被用于模式识别问题，相对于其他方法支持向量机表现了更好的泛化能力。在金融问题中，诸如股票价格指数预测、信用等级分类和财务预警问题等都是支持向量及应用的领域。但是，对支持向量机的推广预测能力有很大影响的参数一直没有一个好的确定方法。本文在参数优化方面改进了支持向量机：将支持向量机混合遗传算法应用于上市公司的财务预警，构建了上市公司财务预警模型。 通过实例分析表明，本文构建的基于遗传算法的支持向量机财务危机预警模型，预测精度相对较高，而且这一方法不需要对变量作任何特殊假设前提，能够很好的对企业财务状况的进行预测。此外，本文对预警模型自身存在的一些局限性加以说明，并对后续研究提出了一些建议。 图12幅，表6个，参考文献30篇。

目录

文摘

英文文摘

声明

致谢

序

1 引言

1.1本文研究背景及意义

1.1.1研究背景

1.1.2研究意义

1.2国内外财务危机预警研究文献综述

1.2.1国外研究现状

1.2.2国内研究现状

1.3本文主要研究内容与结构

1.3.1本文研究内容

1.3.2本文组织结构

1.4本章小结

2 财务危机预警的理论基础

2.1经济预警理论

2.2财务危机的界定

2.3财务危机预警理论

2.3.1用财务比率预警财务危机

2.3.2用管理行为特征预警财务危机

2.4本章小结

3 支持向量机的理论基础

3.1支持向量机的统计学习理论基础

3.1.1机器学习理论的基本问题

3.1.2 VC维

3.1.3结构风险最小化

3.2支持向量分类机

3.2.1线性可分问题

3.2.2近似线性可分问题

3.2.3线性不可分问题

3.3核函数

3.4支持向量分类机的应用

3.5本章小结

4 遗传算法

4.1遗传算法的基本原理

4.2遗传算法的研究内容

4.2.1相关重要术语

4.2.2染色体编码

4.2.3遗传算子

4.2.4适应度函数

4.2.5遗传算法的运行参数

4.2.6遗传算法的运算流程

4.3本章小结

5 上市公司财务危机预警模型建立与研究分析

5.1财务危机预警指标体系的建立

5.1.1指标的选择标准

5.1.2选择并构建指标体系

5.2研究样本的设计

5.3财务危机预警模型的实证

5.3.1基于单纯支持向量机的预警模型实证

5.3.2基于遗传算法的支持向量机参数优化的预警模型

5.3.3结果对比分析

5.4本章小结

6 结论与建议

6.1论文总结

6.2论文展望

参考文献

作者简历