上市公司财务困境预测的改进马田系统方法

被引:2
作者
牛俊磊
程龙生
机构
[1] 南京理工大学经济管理学院
关键词
马田系统; 财务困境; 财务危机预测; 不平衡数据;
D O I
暂无
中图分类号
F275 [企业财务管理];
学科分类号
1202 ; 120202 ;
摘要
针对上市公司财务困境预测中产生的不平衡数据,研究了一种用于分类不平衡数据的改进的马田系统,并给出实施过程和分类器。对若干UCI数据集进行了实验比较,结果表明该方法对于不平衡数据有较好的分类效果,且能筛选出重要变量以降维。最后,运用该方法对上市公司的财务困境进行预测的实证研究结果表明,该方法在不平衡数据的条件下在识别处于财务困境的上市公司方面具有良好的效果。
引用
收藏
页码:126 / 132
页数:7
相关论文
共 9 条
[1]   基于MTS-Bagging神经网络集成的企业财务危机预测 [J].
时建中 ;
程龙生 ;
牛俊磊 .
技术经济 , 2011, (12) :111-115
[2]   马田系统与SVM相集成的模式识别技术研究 [J].
曾江辉 ;
曾凤章 ;
陈嵩辉 .
计算机工程与应用, 2010, 46 (08) :245-248
[3]   一种基于核SMOTE的非平衡数据集分类方法 [J].
曾志强 ;
吴群 ;
廖备水 ;
高济 .
电子学报, 2009, 37 (11) :2489-2495
[4]   基于模糊支持向量机的上市公司财务困境预测 [J].
杨海军 ;
太雷 .
管理科学学报, 2009, 12 (03) :102-110
[5]   2v-SSPC—一种不平衡数据分类方法 [J].
薛贞霞 ;
刘三阳 ;
刘万里 .
系统工程与电子技术, 2008, 30 (12) :2471-2476
[6]   基于模糊判别准则的马田系统基准空间优化 [J].
曾江辉 ;
曾凤章 .
工业工程与管理, 2008, (03) :52-55
[7]   马氏田口两种不同方法的比较研究 [J].
何桢 ;
韩亚娟 ;
李菊栋 .
中国卫生统计, 2007, (05) :531-535
[8]   Logistic违约率模型的最优样本配比与分界点研究 [J].
石晓军 ;
肖远文 ;
任若恩 .
财经研究, 2005, (09) :38-48
[9]   Application of mahalanobis distance as a lean assessment metric [J].
Jayanth Srinivasaraghavan ;
Venkat Allada .
The International Journal of Advanced Manufacturing Technology, 2006, 29 :1159-1168