摘要
传统的基于统计技术的变量筛选法不能保证财务困境预警模型的精度。本文提出了用遗传算法同时优化输入变量和支持向量机参数的方法。实证研究表明:该同步方法在降低变量维数的同时得到较好的预测精度,其得到的优化变量集也具有较强的经济含义。
The variable selection method based on traditional statistical technique can not achieve high accuracy in financial distress prediction. Hence, a method based on genetic algorithm is proposed to optimize the input variables and parameters of support vector machine （SVM） simultaneously. The empirical result indicates that this proposed method can reduce the number of variables and achieve high prediction accuracy. Moreover, the variable subset extracted via this proposed method can be interpreted economically.
出处
《预测》
CSSCI
北大核心
2009年第1期48-55,共8页
Forecasting
基金
教育部哲学社会科学研究重大课题攻关资助项目(07JZD0020)
教育部新世纪优秀人才支持计划资助项目(NCET-04-415)
上海市教育委员会科研创新资助项目(08ZS33)
关键词
同步优化
输入变量
支持向量机参数
财务困境预警
simultaneous optimization
input variable
parameters of support vector machine
financial distress prediction
