基于時間序列的多分類器集成財務(wù)困境預(yù)測動態(tài)建模研究.pdf

1、自改革開放以來，中國經(jīng)濟經(jīng)歷了三十余年的高速發(fā)展并取得了豐碩的成果。但是自2008年全球性金融危機以來，我國經(jīng)濟增速逐漸開始放緩，經(jīng)濟下行的壓力持續(xù)增加。在經(jīng)濟大環(huán)境出現(xiàn)變化的同時，不少企業(yè)也承受著巨大的壓力，許多企業(yè)由于管理不善逐漸陷入財務(wù)困境之中，嚴重者甚至不得不申請破產(chǎn)。同時，企業(yè)所面臨的壓力在一定程度上也會轉(zhuǎn)嫁到銀行業(yè)當(dāng)中，企業(yè)陷入財務(wù)困境無法如期償還貸款，會導(dǎo)致銀行壞賬的增加，給整個國民經(jīng)濟系統(tǒng)正常健康地運行埋下巨大隱患。面對

2、這樣的情況，企業(yè)除了在經(jīng)營管理環(huán)節(jié)精益求精之外，建立一套完善、高效、準(zhǔn)確的財務(wù)困境預(yù)測系統(tǒng)也變得十分必要。而銀行系統(tǒng)，也需要一套完善的企業(yè)財務(wù)困境預(yù)測系統(tǒng)來幫助其在發(fā)放貸款時科學(xué)決策，篩除有可能陷入財務(wù)困境的企業(yè)，保護銀行自身資產(chǎn)安全。然而，大部分研究建立在靜態(tài)數(shù)據(jù)樣本之上，而基于靜態(tài)樣本建立的分類模型，其分類效果可能由于在動態(tài)數(shù)據(jù)流中隨著時間推進的過程中產(chǎn)生概念漂移現(xiàn)象而降低。
　　在此背景下，本文通過大量的文獻閱讀，對前人的研

3、究成果進行了歸納，總結(jié)了面向數(shù)據(jù)流概念漂移的財務(wù)困境預(yù)測方法，并提出了可能的改進方法。在此基礎(chǔ)上，本研究構(gòu)建了三種面向動態(tài)數(shù)據(jù)流結(jié)合時序賦權(quán)原理與多分類器集成方法的財務(wù)困境預(yù)測模型，即基于多分類器混合的數(shù)據(jù)批集成賦權(quán)方法、基于Adaboost迭代算法與時序賦權(quán)Boost迭代算法的雙專家投票算法以及基于時序賦權(quán)的AdaBoost-SVM算法。同時以滬深兩市上市公司作為研究對象，收集時間區(qū)間在2003-2012年因連續(xù)兩個會計年度虧損或每股