基于PCA-PSO-SVM的上市公司财务危机预警

发布时间：2018-02-16 21:47

  本文关键词： 粒子群算法 支持向量机 财务危机预警　出处：《管理现代化》2017年03期 　论文类型：期刊论文

【摘要】：针对单纯支持向量机(SVM)预警准确率较低等问题,采用粒子群算法(PSO)优化支持向量机的参数,提出改进的SVM预警模型。该方法首先采用主元分析方法(PCA)进行数据降维处理,再将支持向量机的参数作为PSO的粒子,分类准确率作为PSO的目标函数,通过全局搜索得到最优参数进而优化SVM。研究结果表明,PCA-PSO-SVM模型准确率相较于SVM模型得到较大改善。
[Abstract]:Aiming at the problem of low accuracy rate of support vector machine (SVM) warning, particle swarm optimization (PSO) algorithm is used to optimize the parameters of support vector machine (SVM), and an improved SVM early-warning model is proposed. Firstly, the principal component analysis (PCA) method is used to reduce the dimension of the data. The parameters of support vector machine (SVM) are regarded as particles of PSO, and the classification accuracy is taken as the objective function of PSO. The optimal parameters are obtained by global search, and the results show that the accuracy of PCA-PSO-SVM model is better than that of SVM model.
【作者单位】： 郑州大学商学院;
【基金】：国家自然科学基金项目“竞争与制度交互下的公司金融契约治理:行为分析与实验检验”(U1304705) 河南省高等学校重点科研项目“基于公司治理视角的河南省国有企业混合所有制改革研究”(16A630032) 郑州大学青年教师支持科研基金项目“转型背景下弱政治资源企业的寻租行为及其治理机制研究”(2015SKYQ01)
【分类号】：F275;TP18

【相似文献】

相关期刊论文 前4条

1 常子楠;;基于混合策略的财务危机预警模型构建[J];金陵科技学院学报;2011年03期

2 王英博;聂娜娜;李仲学;;基于HSDM的企业财务危机预警[J];计算机工程与设计;2014年01期

3 廖志文;;基于CBR与灰色关联度的财务危机预警[J];计算机工程;2012年01期

4 ;[J];;年期

相关硕士学位论文 前8条

1 徐璐铭;基于社会责任的财务危机预警模型对比研究[D];郑州大学;2015年

2 翟慎宇;改进HS算法优化BP网络的财务危机预警研究[D];吉林大学;2016年

3 王敏;基于粗糙集和支持向量机的财务危机预警模型研究[D];西安电子科技大学;2011年

4 时文超;基于遗传小波神经网络的财务危机预警模型研究[D];辽宁科技大学;2012年

5 廖邦雄;基于BP神经网络集成的财务危机预警研究[D];浙江师范大学;2013年

6 车萌;基于BP神经网络的财务危机预警研究[D];青岛理工大学;2015年

7 温重伟;基于分类SVM的企业财务危机预警模型研究[D];华南理工大学;2011年

8 胥光华;基于机器学习构建的公司财务预警系统研究[D];厦门大学;2014年

，

本文编号：1516505