生物启发优化算法与上市公司信用评级——基于ABC-SVM的实证研究

发布时间：2023-05-14 04:30

　　在国际评级机构经济背景与我国市场经济不相契合的前提下,为完善我国上市公司信用评级方法体系,本文通过完善指标选取、数据处理与算法优化三个方面,选取锐思数据库我国上市公司的评级数据、财务数据与相关非财务数据,采用"数据分割"方式,创新性地将人工蜂群算法优化支持向量机(ABC-SVM)应用于我国上市公司信用评级中。结果表明:通过将整体数据集分割为升级数据集和降级数据集,评级准确率分别提高了3.78%和3.37%;同时,较传统支持向量机与其他两种生物启发算法(粒子群算法、遗传算法)优化下的支持向量机,ABC-SVM算法的评级效果最好,评级准确率显著提高了5%—7%。本文为我国上市公司信用评级提供了方法思路,丰富了企业信用评级指标体系,为建立层次更全面的企业信用数据库、提高我国上市公司信用评级准确率提供技术支持,并为我国争取国际评级话语权提供理论依据。

【文章页数】：9 页

【文章目录】：
一、问题的提出
二、理论概述
    （一）支持向量机（SVM)
    （二）人工蜂群算法（ABC)
    （三）人工蜂群优化支持向量机（ABC-SVM)
三、数据处理与特征选择
    （一）数据处理
    （二）特征选择
四、实证分析
    （一）算法设置与结果
    （二）算法适应度检验
    （三）K-S检验
五、结论与建议
    （一）结论
    （二）建议



本文编号：3817187