基于主成分的RBF核SVM在财务预测领域的应用

• 作者: 任靓 孙德山
• 来源期刊: 江苏商论
• 学科: 经济
• 关键词: 财务预测 主成分分析 支持向量机 逻辑回归
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 商业财会
• 页码范围: 102-104
• 页数: 3页
• 分类号: F8
• 字数: 2636字
• 语种: 中文
• DOI: 10.3969/j.issn.1009-0061.2019.01.027

摘要

支持向量机(SVM)是实现结构风险最小化归纳原理的一种机器学习理论,在有限的学习模式下具有良好的泛化能力.为了评估支持向量机的预测性能,本文通过对684家企业进行财务分析,进而预测企业在未来两年是否会被ST.建立基于主成分的RBF(核函数)核SVM模型,将支持向量机与传统学习算法进行比较,结果表明支持向量机有效地提高了预测的精度,具有良好的泛化和预测能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙德山	辽宁师范大学数学学院	66	560	13.0	21.0
2	任靓	辽宁师范大学数学学院	5	2	1.0	1.0