基于模拟退火算法的支持向量机财务危机预警模型

《基于模拟退火算法的支持向量机财务危机预警模型》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、万方数据分类号UDC密级学位论文基于模拟退火算法的支持向量机财务危机预警模型作者姓名：指导教师：申请学位级别：学科专业名称：论文提交日期：学位授予日期：评阅人：周菲曹德芳副教授东北大学财务研究所硕士学科类别：管理学会计学2013年6月论文答辩日期：2013年6月2013年7月答辩委员会主席：姚海鑫教授吴粒副教授姚海鑫教授东北大学2013年6月万方数据ADissertationinAccountingTheoryModelBasedonSupportVectorMachinewithSimulatedAnnealingAlgorithmsforEarlyWarningFi

2、nancialCrisisBy：FeiZhouSupervisor：ProfessorDefangCaoNortheasternUniversityJune2013万方数据独创性声明本人声明，所呈交的学位论文是在导师的指导下完成的。论文中取得的研究成果除加以标注和致谢的地方外，不包含其他人己经发表或撰写过的研究成果，也不包括本人为获得其他学位而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均己在论文中作了明确的说明并表示谢=止。鼠。学位论文作者签名：固筇日期：7／'，≥．否。。]学位论文版权使用授权书本学位论文作者和指导教师完全了解东北大学有关保留、使用学位论文

3、的规定：即学校有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人同意东北大学可以将学位论文的全部或部分内容编入有关数据库进行检索、交流。作者和导师同意网上交流的时间为作者获得学位后：半年口一年口一年半口两年Ⅳ学位论文作者签名：目艰签字闩期：伽l’占·7_7导师躲培荷研一．『、羔，导师签名：俐劢签字日期：≯、弓、e、多参万方数据东北大学硕士学位论文摘要基于模拟退火算法的支持向量机财务危机预警模型摘要目前，大多数对于财务危机预警的建模研究还停留在传统的判别分析上，此类方法发展比较成熟，计算相对简单，但识别率受限，模型可移植性差。随着经济数据的积

4、累和人工智能的发展，越来越多的机器学习方法被引入到财务危机预警领域。支持向量机(SupportVectorMachine，简称SVM)即是基于统计学习理论的新一代机器学习技术，在解决小样本、非线性、高维度的问题一卜有其突{+；的优势，被广泛应用于财务危机预警的研究中。本文选取支持向量机对企业的财务危机预警进行研究。但在运用支持向量机进行财务危机预警建模的文献中，大部分是专注于通过重新设计财务指标体系或者对企业分类等外部因素去建立支持向量机预警模型，而忽视了模型本身参数的选取方法，而参数选择的恰当与否直接关系到模型的预测精度及泛化能力。针对这种情况，本文选取了模拟退火算法

5、(SimulatedAnnealing，简称SA)来寻找支持向量机的相对最优参数，此种方法已被证明是以概率1收敛于全局最优解的全局优化算法。本文利用我国资本市场的面板数据，以2009年到2012年首次被ST的公司作为研究对象，以同行业资产规模相近的非ST公司作为配对样本，利用支持向量机构建财务危机预警模型，以模拟退火算法选取模型的相对最优因子，并与传统的网格搜索算法进行对比，可以看出利用模拟退火算法建立支持向量机模型具有实时性好、模型识别精度高等优点。关键词：财务危机预警；支持向量机；模拟退火算法万方数据东北大学硕士学位论文AbstractAModelBasedonSu

6、pportVectorMachinewithSimulatedAnnealingAlgorithmsforEarlyWarningFinancialCrisisAbstractAtpresent，themostmodelingresearchstillremaininthetraditionaldiscriminatedanalysis，thedevelopmentofthismethodisrelativelymature，thecalculationisrelativelysimple，buttherecognitionrateislimitedandpoorpor

7、tabilitied．Withthedevelopmentofeconomyandtheaccumulationofdataandartificialintelligence，moreandmoremachinelearningmethodsareintroducedtothefieldoffinancialcrisisearlywarning．Supportvectormachine(SupportVectorMachine，referredtoasSVM)isanewgenerationmachinelearningtechnique