引入WFCM算法能提高信用违约测度模型准确率吗?——以沪深A股制造业上市公司为样本的实证研究 |
| |
引用本文: | 熊正德,张帆,熊一鹏.引入WFCM算法能提高信用违约测度模型准确率吗?——以沪深A股制造业上市公司为样本的实证研究[J].财经理论与实践,2018(1):147-153. |
| |
作者姓名: | 熊正德 张帆 熊一鹏 |
| |
作者单位: | 湖南大学 工商管理学院,湖南 长沙,410082 |
| |
基金项目: | 国家社科基金项目,国家自然科学基金项目 |
| |
摘 要: | 选取沪深 A股上市的制造业公司财务变量构建信用风险评价体系,在利用因子分析法对其进行维数约简后,采用数据挖掘技术和统计学方法对信用违约概率测度作了有价值的探索.模型包含两个阶段,聚类阶段采用加权模糊C均值聚类(WFCM)算法将样本聚成同质的类,使同簇样本更具代表性;违约测度阶段应用 Logistic回归方法分别对不同组样本进行测度.实证结果表明:在 Logistic 模型中引入 WFCM算法能显著提高预测样本的违约概率测度准确率;对于样本总体与 ST企业而言,其违约预测准确率比 Lo-gistic模型分别提高了10.7%和20%;ROC检验结果也说明 WFCM-Logistic模型具有更强适用性.
|
关 键 词: | 违约预测 加权模糊C均值聚类 Logistic模型 信用评级 default predicting WFCM Logistic model credit evaluation |
本文献已被 万方数据 等数据库收录! |
|