标题
  • 标题
  • 作者
  • 关键词

基于PCA的DE-SVM资源型企业财务风险识别模式研究

2019-04-04分类号:TP18;F832.51;F275

【作者】严良  李淑雯  蒋梦婷  熊英楠  
【部门】中国地质大学(武汉)经济管理学院  华中科技大学管理学院  
【摘要】资源型企业与传统的制造业相比,财务风险在发展过程中有较大差异。文章立足于资源型企业财务风险,采用主成分分析法(PCA)提取代表资源型企业财务特点的七个关键因素指标;打破传统运用粒子群算法(PSO)对支持向量机(SVM)的优化,采用较粒子群算法更稳定,优化性能更好的差分进化算法(DE)对支持向量机(SVM)进行优化,形成DE-SVM财务预测模型。将上市的ST资源型企业和非ST资源型企业近三年财务数据放置于DE-SVM、PSO-SVM以及单一的SVM财务模型中进行对比后发现,DE-SVM预测结果比PSO-SVM以及SVM更精准,运行速度更快,效率更高。因此,DE-SVM财务预测模型有助于提高资源型企业对财务风险问题的识别。
【关键词】财务风险识别  资源型企业  差分进化算法  支持向量机  主成分分析
【基金】国家社科基金项目“矿产资源密集型区域的可持续发展研究——基于生态创新系统的视角”(12BJL074);; 教育部哲学社会科学研究重大课题攻关项目“经济全球化背景下中国矿产资源战略研究”(12JZD034)
【所属期刊栏目】会计之友
文献传递