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。     

基于灰色关联优化熵权算法的财务评价模型

针对传统熵权算法在企业财务评价的应用中表现出评价准确性不高的问题,本文提出了一种基于灰色关联度优化熵权算法的企业财务评价模型,首先用以熵权理论和灰色关联分析法相结合为基础的决策模型对企业的财务进行评价,之后再对评价指标数据列进行确定,并在企业进行评价的时候要采用统一的评价指标,之后再以衡量关联程度的尺度为依据对灰色关联系数进行计算,最后再将关联系数集中成一个值,并用关联度进行表示,从而能够得到最后的评价值。仿真试验结果表明,本文提出的基于灰色关联度优化熵权算法的企业财务评价模型相比较标准熵权算法,具有更高的评价准确性。     

灰色预测模型在企业财务风险中的应用

面对市场的瞬变性和不确定性,企业的风险不可避免。为有效防范企业财务风险,提出基于灰色预测模型的财务预警方案的构建,并选取了一家公司样本进行验证,通过MATLAB平台的运行,结果显示灰色预测模型在财务风险预测中的有效性。     

SVM算法在高新技术企业财务危机预警模型中的应用研究

财务危机预警模型一直是国内外学者研究的重点。在回顾国内外相关研究的基础上,运用支持向量机(SVM)方法,选取净资产收益率、应收账款周转率、速动比率、盈利现金比率、高新技术产品和服务收入增长率作为输入变量,并定义违约作为输出变量,建立了我国高新技术企业财务危机预警模型,并利用75家非上市高新技术企业的数据进行实证分析,取得了98%的训练样本准确率和92%的验证样本准确率,预测精度较高,证明SVM方法在高新技术企业财务危机预警建模方面的有效性。     

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。     

基于支持向量机的miRNA预测方法研究

本文从miRNA及其前体的生物学特征出发,在对支持向量机理论及其应用特点进行研究的基础上,构建了基于支持向量机的miRNA预测过程模型,在miRNA特征的向量表示、miPNA特征选择、预测模型核函数及参数选择方面进行了研究.以水稻、拟南芥、玉米的miRNA为实例,对基于支持向量机的miRNA预测方法的预测准确率进行了验证,实验结果表明该方法预测准确率达95%以上.     

基于语义向量空间模型的文档检索系统研究

针对向量空间模型中因义相似度,建立了语义向量空间模型,并设计了基于语义向量空间模型的文档检索系统,重点研究了其中语义相似度计算和查询扩展两个核心技术,并通过实例验证了该检索系统的有效性.     

公司治理与财务困境预测

本文在分别借助因子分析和非参数检验方法对公司财务指标和治理因素进行统计处理的基础上,构造并实证检验了用于预测我国上市公司财务困境的两大模型,即仅是包含财务信息与融合财务信息和公司治理因素的Logistic回归预测模型。实证结果表明,作为通过了非参数检验的公司治理因素之关键特征变量——第一大股东派出董事比例,不但与公司发生财务困境的概率之间呈现显著的负相关关系,而且能够显著提高包含该变量的预测模型的回判和预测准确率。因此,公司治理信息应当是利于预测我国上市公司是否可能发生财务困境的重要因素。     

GA-BP神经网络和多层次灰色评价法在乌鲁木齐市道路交通事故多发路段鉴别中的应用

在应用多层次灰色评价方法的基础上,采用遗传算法优化的神经网络方法 (GA-BP神经网络)构建乌鲁木齐市道路交通事故多发路段的鉴别模型。GA-BP神经网络模型预测值与多层次灰色评价结果吻合良好,验证了GA-BP神经网络方法鉴别道路交通事故多发路段的可行性。GA-BP神经网络有着较高的收敛速度和预测精度,为乌鲁木齐市道路交通事故多发路段鉴别提供了一种新的思路与方法。     

An explainable artificial intelligence approach for financial distress prediction

External stakeholders require accurate and explainable financial distress prediction (FDP) models. Complex machine learning algorithms offer high accuracy, but most of them lack explanatory power, resulting in external stakeholders being cautious in adopting them. Therefore, an explainable artificial intelligence approach including a whole process ensemble method and an explainable frame for FDP is here proposed. The ensemble algorithm from feature selection to predictor construction can achieve high accuracy according to the actual case, and the interpretation framework can meet the needs of external users by generating local explanations and global explanations. First, a two-stage scheme integrated with a filter and wrapper technique is designed for feature selection. Second, multiple ensemble models are explored and they are evaluated according to the actual case. Finally, Shapley additive explanations, counterfactual explanations and partial dependence plots are employed to enhance model interpretability. Taking financial data of Chinese listed companies from 2007 to 2020 as a dataset, the highest AUC is ensured by LightGBM with a value of 0.92. Local explanations help individual enterprises identify the key features which lead to their financial distress, and counterfactual explanations are produced to provide improvement strategies. By analyzing the features importance and the impact of feature interaction on the results, global explanations can improve the transparency and credibility of ‘black box’ models.     

公司财务危机动态预测比较研究

本研究以2002年至2005年中国制造业上市公司的季度数据为研究样本,以因财务原因被实施特别处理的公司作为财务危机公司,以最能反映危机公司和正常公司区别的4个财务比率作为研究变量;用动态面板数据的方法估计财务比率的演变过程,分别用累积和控制图模型和指教加权移动平均控制图模型构建公司财务危机的动态预测模型,并将两个模型的准确率进行比较.     

上市公司财务困境预测模型比较研究

以因财务原因被实施特别处理的公司作为财务危机公司,有目的地选择了三类样本(房地产行业样本、不同行业的样本、房地产行业样本与不同行业样本的混合),取其发生财务困境的前两年数据,运用神经网络、决策树和支持向量机模型进行财务预警,以研究行业因素对三种模型预警准确度的影响.     

国外公司财务困境预测研究进展评述

国外公司财务困境预测研究在证券投资、信用风险管理、审计决策和公司财务管理中开始扮演越来越重要的角色。本文概述了国外公司财务困境预测模型的研究进展情况；基于建模主要环节和实证研究结果，系统地分析了其中关键问题的研究进展；依据该研究应用工程化的趋势，提出了需要进一步研究解决的问题。     

互联网金融缓解科技初创企业融资困境的模式分析——源于深圳的经验

系统总结深圳借助互联网金融缓解科技初创企业融资困境的五种模式,旨在完善金融市场体系、打破银企信息不对称。     

财务困境成本:基于利益相关者的理论视角

从相关利益者角度对财务困境成本的研究文献进行了综述,并给出了经验证据,认为财务困境成本是指在财务困境期间内企业给相关利益者所造成的损失之和,财务困境成本可以分为股东承担的财务困境成本、债权人承担的财务困境成本以及其他相关利益者承担的财务困境成本,同时认为财务困境成本理论在我国有着广阔的发展前景。     

BP神经网络在企业财务危机预警之应用

针对统计方法中判别分析方法在实际企业财务评价应用中存在的问题，提出神经网络在财务评价应用上的优势和潜力，本文郑重探讨神经网络在企业财务危机预警上应用。在文中用BP神经网络建立财务预警模式，并用实例进行示范性设计和验证。     

企业财务预警模型研究 ——基于中报数据与可持续增长模型的重构

摘要：针对目前我国财务预警研究中存在的不足,本文以研究过程中是采用中报数据还是年报数据为依据,将上市公司财务预警分为短期和长期,并采用Logistic结合逐步回归的分析方法进行研究。在短期预警研究中,通过对基于一季度报和半年报的比较研究得出基于前者所建模型更具时效性;在长期预警研究中,通过引入企业增长率偏离程度进行实证研究后得出,要构建有效的长期预警模型应更多地考虑对企业具有重要经济意义的非财务指标。