基于支持向量机的上市公司财务预警模型研究

基于近年来在智能学习系统领域发展起来的新理论,引入小样本学习的通用学习算法——支持向量机(SVM),建立了上市公司财务预警模型,通过与神经网络模型的比较,证实了该方法用于财务预警的有效性及优越性。     

基于支持向量机的上市公司财务预警模型研究

基于近年来在智能学习系统领域发展起来的新理论,引入小样本学习的通用学习算法--支持向量机(SVM),建立了上市公司财务预警模型,通过与神经网络模型的比较,证实了该方法用于财务预警的有效性及优越性.     

基于遗传算法的同步优化方法在财务困境预警中的应用

传统的基于统计技术的变量筛选法不能保证财务困境预警模型的精度.本文提出了用遗传算法同时优化输入变量和支持向量机参数的方法.实证研究表明:该同步方法在降低变量维数的同时得到较好的预测精度,其得到的优化变量集也具有较强的经济含义.     

基于数据挖掘的手机用户出行方式识别研究

随着手机应用的不断普及,手机已成为一种理想的交通信息采集工具。利用基站定位技术,我们可以根据手机用户信令数据中的时间与位置信息,进行一些宏观的交通调查,例如分析交通分析单元的客流量、居住人口数量、工作人口数量、通勤OD等。由于基站定位的定位精度限制,因此过去的手机信令数据主要用于宏观分析,而在一些较为精细的交通分析中难以推广应用,例如手机用户的出行分式识别。本文通过数据挖掘方法,构建多个手机用户出行方式识别模型,并对模型效果进行评估,提出一种适用于手机用户出行方式识别模型。     

基于SVM与神经网络比较的ERP实施绩效评价研究

目前在多目标综合评价方面有诸多方法,层次分析法、模糊综合评价等对权重的确定主观性较大或计算过程过于复杂.本文在介绍支持向量机的基础上,建立ERP实施绩效评价指标体系,依据SVM算法建立评价模型,并与依据BP神经网络建立的评价模型进行对比,实验结果表明基于SVM的ERP实施绩效评价模型在小样本、数据灰度大的情况下更为高效和优越.这为ERP实施绩效评价问题提供了一种新的思路.     

基于支持向量机的商业银行信用风险评估模型研究

本文将支持向量机(SupportVectorMachine,SVM)应用于商业银行信用风险研究中,通过实证研究,证实了该方法用于商业银行信用风险评估比BP神经网络更具有效性和优越性。     

基因表达谱中特征基因选择的几种方法比较研究

基因表达谱芯片技术的产生,为复杂疾病致病机理的研究提供了一个全方位的视角。从大量的基因表达谱芯片数据中挖掘有用的信息,特征选择技术起到了关键的作用。对当前基因芯片数据的特征选择方法和各种学习器效能进行了综述,并通过说明各种特征选择方法的具体情况来比较它们的优劣性,最终得出从特征自身特点出发的特征选择法可获得较好的分类效能和生物医学的应用。     

中国区域创新能力评价的SVM建模研究

支持向量机(SVM)是一种基于结构风险最小化原理的学习技术,也是一种新的具有很好泛化性能的回归算法。文章基于SVM建模研究区域创新能力评价问题,同时研究了网络参数的优化选择,仿真试验表明:采用该算法获得的结果是令人满意的。     

上市公司财务预警模型研究

对上市公司财务预警模型的建立方法进行探讨.从年报数据中选取适合的财务指标,以60家上市公司的财务数据为样本,计算原始数据,给出基于因子分析和判别分析的财务预警模型,并进行实证分析.     

基于最小二乘支持向量机的数据挖掘应用研究

随着数据仓库技术、联机分析技术的发展。基于数据库的数据挖掘已成为一种重要的数据处理手段。最小二乘支持向量机作为一种新的机器学习方法。具有全局收敛性和良好的泛化能力。本文将其应用于数据挖掘的分类与预测研究。通过棱函数的选择及参数优化，并结合支持向量机、多层感知器神经网络模型及判别分析方法进行比较研究，证明最小二乘支持向量机作为一种有效的数据挖掘算法具有较高精度。     

上市公司财务危机预警实证研究

本文以2004-2007年上市公司中被特别处理的企业为研究对象,在吸收前人研究成果的基础上,提出了相关的预警指标,并进行了实证研究和实例分析,旨在解决当前财务危机预警指标以及财务信息失真导致的财务预警失效问题.     

基于邻域粗糙集和神经网络的财务预警研究

利用邻域粗糙集对属性进行约简,得到由财务指标和非财务指标构成的预警指标体系。将其作为神经网络的输入变量对我国上市公司财务状况进行预测。实证研究表明,模型能有效剔除冗余信息,避免传统粗糙集模型因数值离散化带来的信息丢失。在大大缩短训练时间的同时,模型的预测精度达91.7%,高于同等条件下神经网络模型、Logistic模型。     

上市公司财务预警模型——Y分数模型的实证研究

本文采用了统计方法中的主成分分析法，通过对我国上市公司财务危机状况的实证研究，建立了上市公司财务预警模型——Y分数模型，并通过本次研究中选择的样本指标，初步确定了企业财务状况评价区域，为企业预测财务危机提供了一种科学可行的预测方法。     

金融危机对军工上市公司经营业绩的影响研究

本文选取军工上市公司作为研究对象,首先采用虚拟变量法对军工上市公司的经营业绩是否受到金融危机影响进行分析,然后运用事件研究法分析军工上市公司的经营业绩受到金融危机影响的程度.实证研究结果表明:军工上市公司的经营业绩确实受到金融危机的负面冲击;在目前企稳回升期,半数以上军工上市公司的经营业绩不再受到金融危机的影响.     

危机管理的政府决策支持系统研究

本文首先结合政府危机决策支持系统的特点和政府的客观实际情况,根据现代危机管理的思想,构造了政府危机决策支持系统的理想模型;详细设计了系统的功能和模块;通过网络的弹性架构和业务的梯次累加更好的实现政府危机决策支持系统。     

集成学习方法在企业财务危机预警中的应用

以我国制造业上市公司为样本数据,用支持向量机作为基分类器的集成学习方法来预测企业的财务危机,通过具体实验分析可知:集成学习比单个基分类器的预测准确率提高了4个百分点,且稳定性更高,有效地提高了模型的预测精度,使得模型更具有准确性和应用性。基于支持向量机的集成学习方法在构建我国制造业上市公司财务危机预警模型上是有效的,且达到一定的财务危机预警效果。     

基于遗传算法参数优化的最小二乘支持向量机财务困境预测

传统支持向量机应用于财务困境预测时,需要求解复杂的二次规划问题,求解难度大。而最小二乘支持向量机模型可以将二次规划问题变成一个线性方程组来求解,有效降低了模型求解的难度。尤其是将遗传算法应用于最小二乘支持向量机模型参数和核参数的优化时,显著提高了模型预测的正确率。本文从沪深两市随机抽取了2002年-2007年252家A股上市公司作为研究样本,并把研究样本分为两组,对这两组样本数据分别进行了短期及中长期预测。实证结果表明,基于遗传算法的最小二乘支持向量机模型的预测效果不但好于传统统计类Logit模型,也优于传统支持向量机模型。短期预测效果显著优于中长期预测效果,训练样本数直接影响到模型的预测效果,二者呈正相关关系。     

一种改进的SVM算法在决策分析中的应用

决策支持系统是跨学科的综合体系,涉及机器学习理论。支持向量机是近几年发展起来的学习方法,它是利用最优分类面（线）将两类样本在特征空间或输入空间中无错误地分开,而且要使两类的分类空隙最大。然而当两类中的样本数量差剐悬殊时,支持向量机的分类能力会下降。为了解决此问题,本文提出了一种改选的支持向量机算法,在所开发的医学决策支持系统上的应用表明,此方法在解决两类样本数量十分不均衡问题时有着很强的分类能力,不失为一种有效的决策分析工具。     

基于GA-SVM网络安全技术研究

提出一种遗传算法优化支持向量机算法的网络安全检测方法。混合算法能够直接得到分类超平面的系数,采用最优支持向量机模型对归一化后的网络数据进行检测,最终得到网络入侵结果。本文通过对比分析传统的SVM网络安全技术,验证了GA-SVM技术的优越性。     

突发事件网络谣言危机预警及模拟仿真研究

[目的/意义] 提前进行网络谣言监控和预警是立体化防控网络谣言、增强社会稳定、提高政府执政能力的关键。移动互联网时代,突发事件发生后极易在网络上引起热点舆情、网络危机信息的传播同时为网络谣言的扩散提供良好的土壤,无形中增大了政府部门应对谣言的挑战。[方法/过程] 本文采用遗传算法优化BP神经网络构建网络谣言危机预警模型,拟实现对突发事件网络谣言的监控、预警仿真及风险的量化评估。实证分析案例选取天津"8·12"爆炸事故与"和颐酒店女生遇袭事件",通过计算机对这两起突发事件衍生的网络谣言建立预警模型,并对模拟仿真结果进行验证。[结果/结论] 结果表明,遗传算法优化BP神经网络模型在突发事件网络谣言危机预警方面具有较好的适用性,与仅采用BP神经网络模型相比预警的准确性更好。