会计年报信息在股价运动趋势预测中的应用———基于支持向量机（SVM）的实证检验

本文运用基于统计学习理论的新型机器学习方法———支持向量机(SVM),通过我国上市公司年报信息对股价运动趋势进行预测。实证结果显示,支持向量机对股价运动趋势具有良好的预测能力,特别是表现出对小样本的适应性。然而,支持向量在股价运动趋势预测中也存在着一定的误识率,证明某些上市公司的年报信息存在着某种程度的粉饰和虚假,从而误导投资者的决策行为。     

基于支持向量机模型的财务预警警度分类研究

本文以模式分类理论阐述了财务预警的实质,给出了财务预警指标及量化方法,并应用支持向量机模型对上市公司进行财务预警警度分类,实证表明了支持向量机以多模式分类标识财务预警警度的可行性和实用性。     

基于支持向量机的上市公司财务困境预测

文章采用支持向量机（SVM）来处理上市公司财务数据,与传统的方法相比较,有较好的范化能力,避免了传统方法的不足,能较客观的对上市公司财务困境进行预测。事实证明本模型是有效的,能为投资人和债权人的决策提供有力的支持。     

上市公司财务报告信息操纵预警研究

本文建立了上市公司财务报告信息操纵预警模型,通过构建信息群来解决财务报告信息操纵预警研究中的信号指标确定问题,并使用人工神经网络和支持向量机测试其分类准确性。     

基于信息披露质量的财务预警研究

本文将信息披露质量引入财务预警指标体系中,采用支持向量机（SVM）财务预警模型,研究处于不同生命周期阶段的企业在引入信息披露质量前后财务危机预测准确性的差异,然后利用决策树（DT）模型分析信息披露质量在财务预警体系中的重要程度。实证结果表明,引入信息披露质量的 SVM财务预警模型,其准确率在成长期、成熟期和衰退期均有一定的提高,导入期则没有发生变化;对于处于不同生命周期阶段的企业,信息披露质量对财务预警的影响程度具有一定差异：成熟期企业影响程度最大,成长期和衰退期企业影响程度较大,而导入期企业影响效果不明显。因此,合理引导公司信息披露,对于降低上市公司发生财务危机的概率具有重要导向效应。     

上市公司财务报告信息操纵预警研究

本文建立了上市公司财务报告信息操纵预警模型,通过构建信息群来解决财务报告信息操纵预警研究中的信号指标确定问题,并使用人工神经网络和支持向量机测试其分类准确性.     

基于支持向量机财务预警模型的实证研究

本文结合主成分分析法和支持向量机模型,构建了一种新的上市公司财务困境预警模型,并对我国A股上市公司中80家因为“财务状况异常”而被“ST”的公司进行预测,结果表明效果理想。     

企业管理二分类问题研究综述--基于支持向量机

通过梳理企业管理领域的二分类问题，发现二分类支持向量机广泛应用于客户流失预测、上市公司财务困境预警和信用风险评估。并且为了提高预测精度，学者不断改进该模型：为适应具体数据特征，如数据存在外点或噪声点、非平衡性、重叠性、错分代价差异性等，相应引入模糊、加权、双隶属支持向量机以及代价敏感性学习机制等。     

支持向量机在财务危机预警中的应用评析

信息技术的迅速发展和世界经济全球化使很多企业面临各种各样的经营困难,最终体现为财务危机。提前对其进行预警以协助企业有效地规避财务危机是十分重要的。随着研究的深入,各种财务危机预警方法逐渐成熟。本文从样本选择、模型建立和预测性能3方面对支持向量机（SVM）在财务危机预警领域的应用进行了评析,认为SVM方法具有强大的分类功能和优良的学习性能,在财务危机预警领域有着广阔的应用前景。     

企业管理二分类问题研究综述——基于支持向量机

通过梳理企业管理领域的二分类问题，发现二分类支持向量机广泛应用于客户流失预测、上市公司财务困境预警和信用风险评估。并且为了提高预测精度，学者不断改进该模型：为适应具体数据特征，如数据存在外点或噪声点、非平衡性、重叠性、错分代价差异性等，相应引入模糊、加权、双隶属支持向量机以及代价敏感性学习机制等。     

基于FMTSVM的企业财务危机预警研究

财务危机给企业管理人员和广大利益相关者带来巨大负面影响,如何事先识别财务危机发生的征兆,并对管理者进行预警已成为当前财务管理研究的热点.针对目前财务危机预警中存在样本数据不均衡、野值噪声干扰等难题,提出一种基于模糊间隔孪生支持向量机(FMTSVM)的财务危机预警模型,并使用2018—2019年间被证交所ST的66家A股上市企业数据作为财务危机企业样本,综合财务及非财务指标,对模型进行实证研究.结果证明:与目前应用较为广泛的Logistic、支持向量机等预警模型相比,模糊间隔孪生支持向量机在模型预警精度、噪声野值下的抗干扰性、不平衡数据下的稳健性和分行业中的泛化性等方面都有明显优势,具有一定的理论和应用价值.     

基于SVM的我国区域创新能力的甄别技术研究

文章采用基于统计学习理论的小样本分析方法——支持向量机（SVM），构建了我国区域创新能力甄别的SVM模型，对我国区域创新能力进行了甄别。研究表明，各组检验样本的平均正确甄别率都在90％以上，证明支持向量机对区域创新能力具有良好的识别能力，特别是表现出对小样本的适应性，为我国区域创新能力评价提供了新的方法和思路。     

遗传支持向量机在城市节假日电力负荷预测中的应用

支持向量机（support vector machines,SVM）根据有限的样本信息在模型的复杂性和学习能力之间寻求最佳折衷,具有良好的预测效果？但是在基于支持向量机的负荷预测方法中,参数的选择对预测结果具有较大影响,可能导致结果误差较大。本文利用遗传算法对SVM的参数最优值进行自动搜索,改善其预测性能。然后将遗传支持向量机（GA-SVM）应用于广东省某城市的节假日电力负荷预测。结果表明,基于遗传支持向量机的预测效果比相似日法更好。     

支持向量机技术及其应用研究

支持向量机(SVM)是建立在统计学习理论基础上的一种小样本机器学习方法,本文主要介绍了支持向量机的基本原理,多类分类的研究现状。最后介绍了支持向量机的典型应用。     

公司信用风险评估新模型:基于Isomap的SVM模型

本文针对样本数据较少的特点,将基于小样本的支持向量机(SVM)方法用于我国上市公司信用风险评价中。由于考虑到财务数据特征的非线性和高维性,本文采用等距特征映射(Isomap)算法对财务指标进行特征提取,以减少数据的冗余,再针对人为选择SVM参数的盲目性,应用遗传算法优化其参数。最后通过以我国上市公司财务数据为基础的实证分析表明:基于Isomap的SVM模型比BP神经网络、PCA-SVM模型具有更强的信用风险评估能力,小样本评估准确率达到91%。     

FCM-SVM集成方法在财务危机预警中的应用

支持向量机(SVM)对小样本问题具有良好的学习能力和泛化能力,但应用到数据分布不平衡的财务危机预警问题时,对"正例"的识别效果不佳;模糊C均值(FCM)聚类能够在保持原有样本数据信息的同时较好的实现"正例"和"反例"的平衡。文章在FCM实现数据预处理的基础上,应用SVM方法对企业财务危机进行识别,实证分析证明这种方法在是有效的。     

基于最优模糊SVM的财务危机预警研究--来自成渝经济区上市公司的经验证据

以我国成渝经济区上市公司为研究对象,将模糊方法（Fuzzy Approach）引入支持向量机（Support Vector Machine, SVM）,构建了模糊支持向量机（FSVM）模型,并对四种不同核函数下的FSVM进行了性能对比研究,同时,也与传统统计模型和其余人工智能模型进行了性能对比研究。实证结果表明,Gauss径向基核函数下的FSVM模型不仅较线性、多项式和神经元的非线性作用三种核函数下的FSVM模型具有更为优越的预测性能,同时,也显著优于传统统计模型和其余人工智能模型。     

基于最优模糊SVM的财务危机预警研究——来自成渝经济区上市公司的经验证据

以我国成渝经济区上市公司为研究对象,将模糊方法(Fuzzy Approach)引入支持向量机(Support Vector Machine,SVM),构建了模糊支持向量机(FSVM)模型,并对四种不同核函数下的FSVM进行了性能对比研究,同时,也与传统统计模型和其余人工智能模型进行了性能对比研究。实证结果表明,Gauss径向基核函数下的FSVM模型不仅较线性、多项式和神经元的非线性作用三种核函数下的FSVM模型具有更为优越的预测性能,同时,也显著优于传统统计模型和其余人工智能模型。     

基于遗传模拟退火算法的LS—SVM参数选取

决定LS—SVM性能的因素是惩罚因子C和核函数的选取。核函数通常选用RBF核函数。本课题基于遗传模拟退火算法来优化LS—SVM的参数组合（C，γ），并通过土石坝渗水量的数据做实例分析，测试结果同没有进行参数优化的最小二乘支持向量机测试结果和BP神经网络测试结果进行对比，结果表明基于改进遗传算法优化最小二乘支持向量机参数的建模方式，建模速度和预测精度同后面两种方法相比都有所提高，有着广阔的应用前景。     

基于LapSVM的物流编号图像自动识别算法

根据目前物流编号识别效率和精度低的缺陷,提出一种基于图像处理和Laplacian支持向量机(Lap SVM)的物流编号自动识别算法。该算法通过图像采集设备获得物流编号图像,对图像进行预处理和数字字符分割,接着对各个数字字符图像进行特征提取,同时利用标记样本与未标记样本来训练支持向量机(SVM)分类器,实现很少标记样本下的精确字符分类,从而达到编号识别的目的。