基于GA-SVM的企业财务困境预测

• 作者: 岑涌 罗林开 钟萍
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 遗传算法 支持向量机 财务困境 特征提取
• 年，卷（期）: 2008,（7）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 223-225
• 页数: 3页
• 分类号: TP18
• 字数: 4234字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2008.07.079

摘要

通过遗传算法结合支持向量机算法中期望风险边界,对我国上市公司财务数据进行特征提取,并优化构造广义最优分类超平面,从而获得具有较好整体预测性能的联合模型.数值实验表明,该方法可以降低特征空间维数,具有较好的分类准确率.实证结果表明,GA-SVM联合预测模型具有可靠的预测财务困境能力,有着良好的应用前景.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	罗林开	厦门大学信息科学与技术学院	20	217	7.0	14.0
2	岑涌	厦门大学信息科学与技术学院	4	61	4.0	4.0
3	钟萍	厦门大学信息科学与技术学院	3	55	3.0	3.0