基于支持向量机-R型聚类的上市公司被特别处理的预警研究

发布时间：2024-04-19 05:03

　　本文首先介绍了上市公司ST的成因、国内外研究现状,并对本文构建模型起主导作用的支持向量机学习法进行介绍;然后构建上市公司ST预警指标体系,具体分为两轮指标筛选:第一轮是通过支持向量机方法筛选出可以显著影响上市公司ST状况的指标,第二轮是通过R型聚类方法剔除信息冗余指标,然后利用ROC曲线法检验预警指标体系的有效性,从而构建了一套既能显著区分ST公司与非ST公司、又不存在信息冗余指标的上市公司ST预警指标体系;其次为上市公司ST预警模型的构建,基于支持向量机两分类模型建立起一个上市公司ST预警模型,并利用MATLAB 2015a和SPSS 20结合国泰安数据中心的上市公司财务数据,对构建的模型进行应用;最后通过模型的实证结果找出上市公司被ST的主要影响因素,对上市公司避免被ST提供一定的建议。本文主要创新点如下:第一,选用Levene方差齐性检验统计量W值识别预警指标的ST状况鉴定能力,采用R型聚类法按准则层聚类并保留每类指标中W值最大的指标,既删除了信息冗余指标又保留了具有显著ST状况鉴定能力的预警指标;第二,在ST预警指标体系的构建上,现有研究主要是人为挑选指标,这可能造成丢失部分重...

【文章页数】：60 页

【学位级别】：硕士

【部分图文】：

图１研究思路??Ｆｉｇ．ｌ?Ｒｅｓｅａｒｃｈ?ｉｄｅａｓ??

图１研究思路??Ｆｉｇ．ｌ?Ｒｅｓｅａｒｃｈ?ｉｄｅａｓ??１．３．２研究方法??本文首先用ＭＡＴＬＡＢ?Ｒ２０１５ａ的ＰＲＥＭＮＭＸ函数对原始数据进行归一化处理，??然后基于支持向量机学习法，利用ＭＡＴＬＡＢ?Ｒ２０１５ａ和ＬＩＢＳＶＭ工具箱筛选出能够??鉴别ＳＴ上市公司与非Ｓ....

图２二分类问题??．

图２二分类问题??Ｆｉｇ．２?Ｔｗｏ?ｃｌａｓｓｉｆｉｃａｔｉｏｎ?ｐｒｏｂｌｅｍ??ｇ（ｘ）＝０定义了一个判定面，它把归类于Ｇ的点与归类于Ｃ２的点分开来，??性函数时，这一平面称为“超平面”。??量机是从线性可分情况下的最优分类面发展而来的，其基本思想用下况说明：??°??Ｈ?....

图３最优超平面??Ｆｉｇ．３?Ｏｐｔｉｍａｌ?ｈｙｐｅｒｐｌａｎｅ??

－Ｏ＇。Ａ??□?口??图２二分类问题??Ｆｉｇ．２?Ｔｗｏ?ｃｌａｓｓｉｆｉｃａｔｉｏｎ?ｐｒｏｂｌｅｍ??ｇ（ｘ）＝０定义了一个判定面，它把归类于Ｇ的点与归类于Ｃ２的点线性函数时，这一平面称为“超平面”。??向量机是从线性可分情况下的最优分类面发展而来的，其基本思想情况说明：....

图４?ＳＴ预警指标体系的构建思路??Ｆｉｇ．４?Ｃｏｎｓｔｒｕｃｔｉｏｎ?ｔｈｏｕｇｈｔｓ?ｏｆ?ｅａｒｌｙ?ｗａｒｎｉｎｇ?Ｉｎｄｉｃａｔｏｒ?ｓｙｓｔｅｍ?ｏｆ?ｓｐｅｃｉａｌ?ｔｒｅａｔｍｅｎｔ??

图４?ＳＴ预警指标体系的构建思路??Ｆｉｇ．４?Ｃｏｎｓｔｒｕｃｔｉｏｎ?ｔｈｏｕｇｈｔｓ?ｏｆ?ｅａｒｌｙ?ｗａｒｎｉｎｇ?Ｉｎｄｉｃａｔｏｒ?ｓｙｓｔｅｍ?ｏｆ?ｓｐｅｃｉａｌ?ｔｒｅａｔｍｅｎｔ??响上市公司是否被ＳＴ的因素既包含财务因素，如资产负债率、存货周转率等，也包含....

本文编号：3958266