粒子群优化算法和支持向量机的上市公司信用风险预警

作者：周树功; 李娟

来源：现代电子技术, 2020, 43(11): 72-75.

DOI：10.16652/j.issn.1004-373x.2020.11.017

• 信用风险
• 预警错误率
• 上市公司
• 多分类问题
• 支持向量机
• 预警正确率

信用风险对一个上市公司来说十分关键,而信用风险受到多种因素的综合作用,变化十分复杂,当前信用风险预警方法无法反映其复杂的变化特点,使得信用风险预警错误率相当的高,信用风险预警结果不可靠。为了获得理想的信用风险预警效果,提出粒子群优化算法和支持向量机的上市公司信用风险预警方法。首先,分析上市公司信用风险预警原理,指出影响上市公司信用风险预警结果的重要因素;然后,将上市公司信用风险预警问题看作是一个多分类问题,通过支持向量机对上市公司信用风险变化特点进行深度分析和挖掘,建立上市公司信用风险预警分类器,并引入粒子群优化算法对上市公司信用风险预警分类器参数进行优化;最后,采用具体实例分析了上市公司信用风险预警效果。结果表明,文中方法的上市公司信用风险预警正确率超过90%,远远高于实际应用的85%,而且上市公司信用风险预警错误率要小于当前经典的上市公司信用风险预警方法,验证了所提方法的优越性。

• 单位
  唐山师范学院