基于样本加权SVM的科技型企业融资风险预警研究

发布时间：2021-07-03 03:35

　　随着我国产业结构转型升级,建立准确有效的科技型企业融资风险预警机制具有重大意义。本文以动态资金流为切入点,从资金筹集、资金使用以及资金偿还3个维度构建融资风险评价体系。利用模糊C均值聚类的思想,根据样本点相对于类中心的重要程度赋权,解决了不同样本对预测模型贡献度不同的问题,并将二分类问题拓展到三分类,构建了样本加权支持向量机模型;以科技型企业2018年数据为研究对象,利用构建的样本加权支持向量机模型预测,实证结果显示,该模型对高风险企业预测准确性的改善程度更大,可以实现融资风险预警及时性和准确性的要求。 

【文章来源】：工业技术经济. 2020,39(07)北大核心CSSCI

【文章页数】：9 页

【部分图文】：

技术路线图

科技型企业是指以科技人员为主体,研制、开发、生产、销售高新技术产品或大规模运用高新技术的企业,其以市场为导向,创新能力强,具有自主知识产权[22]。根据科技部的《科技型中小企业技术创新基金若干重点项目指南》,基金支持对象的具体领域包括电子信息、新材料、节能环保、新能源、高技术服务业等行业。本文以上述五大行业为研究对象,选取行业中2018年具有高新技术认定的企业,除去数据不完整的部分企业,共筛选出264家企业,其中180家企业数据作为训练集,84家企业数据作为测试集。以上述企业2018年数据为研究对象,数据来源为Wind数据库。利用熵权法对264家企业指标赋权,根据式(7)求出各企业的综合评分,并按三等分法,将企业的状态划分为安全状态、低风险状态以及高风险状态。3种状态企业的综合评分区间依次为[0.068551,0.102606]、[0.102677,0.119831]和[0.120074,0.43691],高风险状态区间宽度最宽,说明被划分入高风险状态的企业分布更加分散,低风险状态的区间宽度最窄,说明该状态企业具有更高的相似度。

表2 样本加权支持向量机预测结果 真实值 预测值 安全状态 低风险状态 高风险状态 准确率(%) 安全状态 27 1 0 96.43 低风险状态 2 26 0 92.86 高风险状态 0 6 22 78.57 总体准确率(%) 89.29从表2可以看出,样本加权支持向量机模型对融资安全状态、低风险状态以及高风险状态企业的预测准确率分别为96.43%、92.86%以及78.57%。

【参考文献】：
期刊论文
[1]基于GA-SVR模型的中国上市公司融资风险预测[J]. 刘玉敏,刘莉,任广乾.  北京理工大学学报(社会科学版). 2019(04)
[2]科技型企业外部融资渠道比较研究[J]. 张兴旺,倪明明.  科学管理研究. 2019(02)
[3]基于样本加权FCM聚类的未知类别局部放电信号识别[J]. 贾亚飞,朱永利,高佳程,袁博.  电力自动化设备. 2018(12)
[4]高新技术企业创新资金配置风险预警的FOA-SVM模型及实证[J]. 王玉冬,王迪,王珊珊.  系统工程理论与实践. 2018(11)
[5]基于改进粒子群算法的模糊聚类-概率神经网络模型的企业财务危机预警模型研究[J]. 吴冲,刘佳明,郭志达.  运筹与管理. 2018(02)
[6]新能源企业融资生态与融资约束——基于中国A股新能源上市公司的实证分析[J]. 耿成轩,李梦,鄂海涛.  华东经济管理. 2018(01)
[7]高新技术企业创新资金运营生态化及其水平测度[J]. 王玉冬,武川,王琳璐.  中国软科学. 2017(07)
[8]环境投资与经济绩效关系研究——基于科技型企业的经验证据[J]. 张悦.  工业技术经济. 2016(01)
[9]科技型企业融资风险:来源、评价与控制[J]. 方先明,苏晓珺.  科技管理研究. 2015(21)
[10]科技型中小企业融资风险识别及融资能力评价研究——基于商业银行视角[J]. 束兰根.  江苏科技信息. 2015(01)



本文编号：3261782