| 基于混合两阶段模型的上市公司信用风险评价 |
| |
| 引用本文： | 张杰,王凡.基于混合两阶段模型的上市公司信用风险评价[J].商业研究,2008(4):106-108. |
| |
| 作者姓名： | 张杰 王凡 |
| |
| 作者单位： | 北京工业大学,经济与管理学院,北京,100022 |
| |
| 基金项目： | 北京市教委优秀人才培养专项经费资助,项目编号:SM200710005001，北京工业大学博士科研启动基金资助 |
| |
| 摘 要： | 利用支持向量机(SVM)-Logistic回归的混合两阶段模型来对上市公司信用风险进行评价。通过Logistic回归分析来对SVM的输出结果进行修正,降低了传统SVM方法的经验风险,提高了分类准确率。对SVM-Logistic回归模型、SVM和神经网络-Logistic回归模型进行实证比较,结果表明,支持向量机-Logistic回归模型的总判别准确率高于其他判别模型。
|
| 关 键 词： | SVM Logistic回归 信用风险评价 |
| 文章编号： | 1001-148X(2008)04-0106-03 |
| 修稿时间： | 2007年5月24日 |
Listed Companies′Credit Risk Evaluation Based on Integration Model |
| |
| ZHANG Jie,WANG Fan.Listed Companies′Credit Risk Evaluation Based on Integration Model[J].Commercial Research,2008(4):106-108. |
| |
| Authors: | ZHANG Jie WANG Fan |
| |
| Abstract: | This paper uses the Support Vector Machine(SVM) and Logistic Regression for corporate financial risk evaluation.This can decrease the empirical risk of SVM outputs by interpreting and modifying the outputs of the SVM classifiers according to the result of Logistic Regression analysis so that it improves the accuracy of classifier rate.Compared with the models of SVM and NN-Logistic,the result shows that the integrated binary discriminant rule proves more accurate classifier rate than that of other models. |
| |
| Keywords: | SVM Logistic regression credit risk evaluation |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
