數(shù)據(jù)挖掘方法在財(cái)務(wù)預(yù)警中的應(yīng)用研究.pdf

1、上世紀(jì)90年代中后期以來(lái)，在全球資本市場(chǎng)迅速膨脹以及網(wǎng)上交易日益盛行的背景下，能夠第一時(shí)間預(yù)測(cè)公司財(cái)務(wù)危機(jī)對(duì)于投資人避免投資風(fēng)險(xiǎn)和管理者獲得決策依據(jù)都具有至關(guān)重要的意義，因此財(cái)務(wù)預(yù)警已經(jīng)是管理領(lǐng)域的研究熱點(diǎn).數(shù)據(jù)挖掘作為一種高效的財(cái)務(wù)預(yù)警方法，其自身仍處于快速發(fā)展階段，將新的思想結(jié)合進(jìn)數(shù)據(jù)挖掘方法并應(yīng)用于財(cái)務(wù)預(yù)警就是本文的研究?jī)?nèi)容。本文提出幾種新的基于模糊集或粗糙集的數(shù)據(jù)挖掘方法，并使用這些方法對(duì)我國(guó)上市公司進(jìn)行了預(yù)警研究。主要包括以下

2、工作： ⑴分析了目前廣泛應(yīng)用的傳統(tǒng)神經(jīng)網(wǎng)絡(luò)方法在財(cái)務(wù)預(yù)警時(shí)存在的局限，提出了基于粗糙集屬性約簡(jiǎn)的模糊神經(jīng)網(wǎng)絡(luò)預(yù)警模型.該模型用粗糙集算法先對(duì)輸入數(shù)據(jù)信息進(jìn)行預(yù)處理來(lái)發(fā)現(xiàn)問(wèn)題所隱藏的概略化規(guī)則，將其作為模糊神經(jīng)網(wǎng)絡(luò)預(yù)警模型的前端，根據(jù)處理后的信息結(jié)構(gòu)和規(guī)則確定模糊神經(jīng)網(wǎng)絡(luò)預(yù)警模型的結(jié)構(gòu)和使用的訓(xùn)練數(shù)據(jù)。并且收集了2005、2006年發(fā)生了財(cái)務(wù)危機(jī)的中國(guó)上市公司前3年的數(shù)據(jù)，還根據(jù)配對(duì)原則收集了相同數(shù)量的財(cái)務(wù)正常公司的數(shù)據(jù)，使用20

3、05年公司的數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，2006年公司的數(shù)據(jù)作為測(cè)試數(shù)據(jù)測(cè)試了模型，得到了良好的結(jié)果。 ⑵提出了兩種聚類方法，一種是基于粒子群優(yōu)化的模糊聚類算法，一種是基于粗糙集的K—means聚類算法。前者可以改進(jìn)傳統(tǒng)模糊聚類算法收斂到局部最小和對(duì)噪聲數(shù)據(jù)敏感的缺點(diǎn)，后者可以得到一種不同于傳統(tǒng)算法的聚類結(jié)果，這種結(jié)果將樣本數(shù)據(jù)分為上近似集和下近似集，有利于進(jìn)一步分析.還討論了傳統(tǒng)聚類算法極少被應(yīng)用于財(cái)務(wù)預(yù)警的原因，使用粗糙集提取數(shù)據(jù)指標(biāo)

4、、將輸入數(shù)據(jù)模糊化再利用前面提出的兩種聚類方法建立了新的財(cái)務(wù)預(yù)警模型.為把聚類算法引入財(cái)務(wù)預(yù)警研究領(lǐng)域提供了一種新的嘗試。 ⑶分析了支持向量機(jī)的在財(cái)務(wù)預(yù)警中的應(yīng)用并指出在選取財(cái)務(wù)指標(biāo)和財(cái)務(wù)數(shù)據(jù)方面存在需要專家判別的領(lǐng)域知識(shí)。將一種雙向加權(quán)模糊支持向量機(jī)引入財(cái)務(wù)預(yù)警，提出由模糊綜合評(píng)判法來(lái)決定每個(gè)輸入數(shù)據(jù)的隸屬度，將定性與定量的分析方法結(jié)合起來(lái)形成一種新的預(yù)警模型.實(shí)驗(yàn)證明結(jié)合專家的知識(shí)確實(shí)可以提高模型的預(yù)測(cè)能力。 ⑷總結(jié)