基于滚动时间窗口支持向量机的财务困境预测动态建模

被引:17
作者
孙洁 [1 ]
李辉 [1 ]
韩建光 [2 ]
机构
[1] 浙江师范大学经济与管理学院
[2] 哈尔滨工业大学经济管理学院
基金
浙江省自然科学基金;
关键词
财务困境预测; 概念漂移; 滚动时间窗口; 支持向量机;
D O I
10.13587/j.cnki.jieem.2010.04.003
中图分类号
TP18 [人工智能理论]; N945.12 [系统模型、系统建模];
学科分类号
081104 ; 0812 ; 0835 ; 1405 ; 071102 ;
摘要
该文从财务困境概念漂移的全新视角,提出了基于滚动时间窗口支持向量机(support vector machine,SVM)的财务困境预测动态建模新方法。设计了面向概念漂移进行财务困境预测动态建模的思路框架,分为宽度固定的滚动时间窗口SVM和宽度可变的滚动时间窗口SVM分别展开算法设计。以中国上市公司为对象,通过模拟时间推移过程,对2000至2008期间被ST的上市公司及其配对公司共692个样本展开实证研究。结果表明:基于滚动时间窗口SVM的财务困境预测动态建模方法能够有效地适应财务困境的概念漂移现象,对未来企业财务困境的预测效果明显优于静态SVM模型。通过比较分析,认为适应性可变时间窗口SVM动态建模方法具有较好的应用推广性。
引用
收藏
页码:174 / 180+92 +92
页数:8
相关论文
共 10 条
[1]   企业财务困境的多分类器混合组合预测 [J].
孙洁 ;
李辉 .
系统工程理论与实践, 2009, (02) :78-86
[2]   公司多阶段财务危机动态预警研究 [J].
陈磊 ;
任若恩 ;
曹汉平 .
系统工程理论与实践, 2008, (11) :29-35
[3]   基于BP神经网络和面板数据的上市公司财务危机预警 [J].
杨淑娥 ;
王乐平 .
系统工程理论与实践, 2007, (02) :61-67
[5]   上市公司财务困境预测模型比较研究 [J].
谢纪刚 ;
裘正定 ;
韩彦俊 ;
莫莉 .
系统工程理论与实践, 2005, (09) :29-35
[6]   基于模糊神经网络的企业财务危机非线性组合预测方法研究 [J].
李秉祥 .
管理工程学报, 2005, (01) :19-23
[7]   企业财务危机预警Rough-ANN模型的建立及其应用 [J].
李晓峰 ;
徐玖平 .
系统工程理论与实践, 2004, (10) :8-14
[8]   不同模型在财务预警实证中的比较研究 [J].
吴德胜 ;
梁樑 ;
殷尹 .
管理工程学报, 2004, (02) :105-108
[9]   Learning in the presence of concept drift and hidden contexts [J].
Widmer, G ;
Kubat, M .
MACHINE LEARNING, 1996, 23 (01) :69-101
[10]  
Incremental learning from noisy data[J] . Jeffrey C. Schlimmer,Richard H. Granger.Machine Learning . 1986 (3)