学位论文 > 优秀研究生学位论文题录展示

基于机器学习构建的公司财务预警系统研究

作　者: 胥光华
导　师: 晁飞
学　校: 厦门大学
专　业: 计算机技术
关键词: 财务危机预警不平衡数据集分类组合分类器
分类号: TP181
类　型: 硕士论文
年　份: 2014年
下　载: 4次
引　用: 0次
阅　读: 论文下载

内容摘要

风险无处不在。由资金问题引发的我国民营企业破产案例经常发生。企业陷入财务危机将给企业的生存发展带来致命的打击。因此,构建一个有效的财务风险预警系统对企业的财务风险进行预警非常有必要。在构建财务危机预警特征方面,本文从公司发展能力、现金支付、管理能力、偿还债务能力、资本构成、盈利能力等六个方面进行预警特征的初步选取,并利用显著性检验、信息增益法、相关性检验、主成分分析等方法对财务预警特征进行科学地筛选和提取。在构建财务危机预警模型方面,针对财务正常与财务不正常的正负类样本集的不平衡问题,本文引入了半监督学习机制,并构建了基于改进的KNN-SVM的集成学习预警模型。实验显示,本文采用的基于改进的KNN-SVM的集成学习预警模型具有良好的预警性能。本文的创新如下：一是依据财务预警指标理论、显著性检验、信息增益法相关性检验、主成分分析等方法对财务危机预警指标特征进行了科学地初选、筛选、提取。二是引入半监督学习机制,增加少数类分类知识,使模型的预警能力有一定的提高。三是采用分布估计算法优化模型参数,进一步提高了模型的预测性能。四是引入了模糊集,利用隶属函数来确定系统预测结果的置信度。

全文目录

摘要  4-5
Abstract  5-8
CONTENTS  8-10
第一章绪论  10-18
  1.1 本文研究背景和研究意义  10-13
    1.1.1 研究背景  10-11
    1.1.2 研究意义  11-13
  1.2 国内外研究现状  13-15
    1.2.1 国外财务危机预警研究概述  13-14
    1.2.2 国内关于财务危机预警的研究  14-15
  1.3 本文研究方法及框架  15-18
第二章财务危机预警基本理论及机器学习技术  18-34
  2.1 财务危机理论  18-20
    2.1.1 财务危机的界定  18
    2.1.2 财务危机的产生原因  18-19
    2.1.3 财务危机预警系统的基本概念  19-20
  2.2 系统模型理论基础  20-31
    2.2.1 SVM-KNN模型理论  20-25
    2.2.2 提升方法adaboost理论  25-27
    2.2.3 不平衡分类理论  27-28
    2.2.4 智能计算  28-30
    2.2.5 半监督学习  30-31
  2.3 财务危机预警的基本步骤  31-33
  本章小结  33-34
第三章财务危机预警系统的构建  34-56
  3.1 本项目主要技术路线  34-36
  3.2 根据财务预警理论降维  36-38
  3.3 特征选择方法  38-44
    3.3.1 信息增益特征选择法  38-41
    3.3.2 显著性检验  41-43
    3.3.3 相关性检验  43-44
  3.4 线性降维之主成分分析  44-46
  3.5 基于生成样本的财务预警KNN-SVM模型  46-48
    3.5.1 基于半监督学习的稀有类样本采样  46-48
  3.6 基于非平衡数据分类的KNN-SVM集成学习模型  48-52
    3.6.1 基于非平衡数据分类的财务预警集成学习模型  50-52
  3.7 引入模糊集对样本分类结果给出置信度  52-55
  本章小结  55-56
第四章实验及其结果分析  56-68
  4.1 SVM及其分类特征有效性验证实验  56-57
  4.2 基于KNN-SVM模型的财务预警实验  57-60
  4.3 基于生成样本的财务预警KNN-SVM模型实验  60-62
  4.4 基于非平衡数据分类的KNN-SVM集成学习模型实验  62-64
  4.5 样本分类结果置信度计算实验  64-65
  4.6 实验总结  65-68
第五章总结与展望  68-72
  5.1 总结  68-70
  5.2 展望  70-72
参考文献  72-76
附录  76-81
致谢  81

基于机器学习构建的公司财务预警系统研究

内容摘要

全文目录

相似论文