基于SVM的上市公司信用風(fēng)險(xiǎn)判別研究.pdf

1、分類號(hào):密級(jí):UDC:單位代碼:10078華北水利水電大學(xué)碩士學(xué)位論文基于SVM的上市公司信用風(fēng)險(xiǎn)判別研究THECREDITRISKOFLISTEDCOMPANIESBASEDONSVMIDENTIFYINGRESEARCH研究生姓名：王俊朋指導(dǎo)教師：劉法貴姬廣坡專業(yè)名稱：應(yīng)用數(shù)學(xué)所在學(xué)院：數(shù)學(xué)與統(tǒng)計(jì)學(xué)院2017年5月摘要I基于SVM的上市公司信用風(fēng)險(xiǎn)判別研究摘要上市公司是證券市場(chǎng)的重要組成部分，其財(cái)務(wù)狀況的好壞與證券市場(chǎng)的發(fā)展和廣大投

2、資者的利益息息相關(guān)。近年來，上市公司面臨著諸多機(jī)遇的同時(shí)也面臨很多風(fēng)險(xiǎn)，其中財(cái)務(wù)信用風(fēng)險(xiǎn)最為突出，成為近年來的研究熱點(diǎn)。信用風(fēng)險(xiǎn)的研究方法從傳統(tǒng)的定性分析，統(tǒng)計(jì)分析方法發(fā)展為機(jī)器學(xué)習(xí)和人工智能等方法。實(shí)踐證明，支持向量機(jī)在信用風(fēng)險(xiǎn)研究中凸顯很多優(yōu)點(diǎn)。本文正是基于這樣的思想，從我國部分上市公司入手，對(duì)企業(yè)的信用風(fēng)險(xiǎn)進(jìn)行研究。在以往的以支持向量機(jī)為工具研究信用風(fēng)險(xiǎn)的方法中，對(duì)多維度數(shù)據(jù)的處理上一般用主成分分析，因子分析等線性降維方法對(duì)數(shù)據(jù)進(jìn)

3、行降維，也有引入粗糙集方法。本文認(rèn)為降維方法的選取上有可以改進(jìn)的地方，可以引入非線性降維方法。本文首先從上市公司財(cái)務(wù)指標(biāo)中選取了16個(gè)反映企業(yè)償債能力、運(yùn)營(yíng)能力、盈利能力和發(fā)展能力的指標(biāo)。然后運(yùn)用主成分分析法、多維尺度法、局部線性嵌入法和等距映射法對(duì)大量變量進(jìn)行降維，獲得一個(gè)精簡(jiǎn)的輸入矩陣。最后，利用支持向量機(jī)方法建立上市公司信用判別模型，并比較了不同降維方法下支持向量機(jī)模型的判別效果的優(yōu)劣。關(guān)鍵詞：支持向量機(jī)；信用風(fēng)險(xiǎn)；財(cái)務(wù)指標(biāo)；降維