上市公司财务困境预测的改进马田系统方法

针对上市公司财务困境预测中产生的不平衡数据,研究了一种用于分类不平衡数据的改进的马田系统,并给出实施过程和分类器。对若干UCI数据集进行了实验比较,结果表明该方法对于不平衡数据有较好的分类效果,且能筛选出重要变量以降维。最后,运用该方法对上市公司的财务困境进行预测的实证研究结果表明,该方法在不平衡数据的条件下在识别处于财务困境的上市公司方面具有良好的效果。     

基于MTS-Bagging神经网络集成的企业财务危机预测

在Bagging分类器集成算法的基础上,利用马田系统实现特征选择,提出MTS-Bagging分类器集成方法,并对4个UCI数据集进行数值分析。将MTS-Bagging神经网络集成方法应用于企业财务危机预测,利用2003—2008年我国330家上市公司的财务数据建立企业危机预测模型。实证结果表明,利用MTS-Bagging神经网络集成方法对财务危机的预测精度不仅优于单一分类器,也优于Bagging集成算法。