等距特征映射的支持向量机模型在上市公司信用风险评估中的应用

摘要

为了实现上市公司信用风险的科学定量管理，提出了一种基于支持向量机(SVM)的信用风险评估方法。考虑到财务数据特征的非线性和高维性，采用等距特征映射(Isomap)算法对财务指标进行特征提取，以减少数据的冗余，针对人为选择SVM参数的盲目性，应用遗传算法优化其参数。通过以中国上市公司财务数据为基础的实证分析表明：基于Isomap的SVM模型比BPNN(BP神经网络)、PCA-SVM(主成分-支持向量机)模型具有更强的信用风险评估能力，小样本评估准确率达到91%。