1、財務失敗預測是金融領(lǐng)域一個重要的研究課題.自上世紀60年代以來,隨著企業(yè)破產(chǎn)問題的日益嚴重,各國學者紛紛嘗試通過定量分析對企業(yè)破產(chǎn)做出預測,從多元判別分析等線性預測模型,到以神經(jīng)網(wǎng)絡為代表的各種非參數(shù)預測模型,研究成果層出不窮.目前,國內(nèi)對公司財務失敗預測的研究處于起步階段,主要以借鑒國外傳統(tǒng)統(tǒng)計模型為主.隨著市場經(jīng)濟體制的不斷發(fā)展和完善,如何對企業(yè)財務失敗做出準確的預測,成為金融界、企業(yè)界和政府管理結(jié)構(gòu)迫切需要解決的問題.該文以國內(nèi)上

2、市公司為研究對象,將因財務狀況異常而被特別處理(ST)作為企業(yè)發(fā)生財務失敗的標記,利用支持向量機和決策樹分類算法,進行財務失敗預測模型的構(gòu)建.支持向量機是統(tǒng)計學習理論的新發(fā)展,與神經(jīng)網(wǎng)絡相比,它較好地解決了局部極小、過擬合等問題,具有堅實的理論基礎.針對財務失敗預測問題,論文首先選擇了有較強說服力的研究樣本,在進行有效的特征選擇后,利用支持向量機算法,建立了財務失敗預測模型.實驗表明,該模型比Logistic、神經(jīng)網(wǎng)絡等模型有更高的預測

3、精度.決策樹是一種通過歸納學習來發(fā)現(xiàn)訓練集中分類知識的機器學習方法,具有速度快、精度高、生成的模式簡單等特點.針對財務指標均為連續(xù)數(shù)值的特性,進行了連續(xù)屬性離散化的研究,改進了一種RCAT算法;對多種離散化方法進行了比較,得到了復雜度低、解釋性強的決策樹.進而,創(chuàng)造性地將多種基于不同離散化策略生成的決策樹進行了集成,得到了具有更高分類精度的集成分類器.以多區(qū)間離散化方法構(gòu)建的決策樹在財務失敗預測實驗中,同樣得到了較好的效果.同時,結(jié)合財