基于变精度粗集神经网的企业失败风险预测研究

摘要

描述粗糙集、变精度粗糙集和神经网的相关概念和应用机理,在此基础上构建基于变精度粗糙集的强耦合粗集神经网络,即变精度粗集神经网模型,并以此作为预测中国上市企业失败风险的研究方法.借助信息熵和T检验等手段对财务指标和非财务指标进行筛选,建立企业失败风险预测评价指标体系.在时间跨度上,选择(t-3)年作为研究起点,避免人为夸大预测精度.将被特别处理(ST)的上市企业作为界定企业失败的标准,以160家ST企业和160家配对非ST企业作为测试样本,利用FUSINTER技术离散化相关数据,运用粗糙集、变精度粗糙集、粗糙集神经网和变精度粗集神经网等模型进行实证研究.分析结果表明,在由78家ST和78家非ST企业组成的检验样本中,变精度粗集神经网的预测准确率要高于其他模型,且所需训练时间更短,生成规则更少,训练的整体效果最为理想,由此可以认为该模型比较适用于对中国上市企业进行失败风险的预测研究.