基于時(shí)間序列的多分類(lèi)器集成財(cái)務(wù)困境預(yù)測(cè)動(dòng)態(tài)建模研究.pdf

1、自改革開(kāi)放以來(lái)，中國(guó)經(jīng)濟(jì)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(jī)以來(lái)，我國(guó)經(jīng)濟(jì)增速逐漸開(kāi)始放緩，經(jīng)濟(jì)下行的壓力持續(xù)增加。在經(jīng)濟(jì)大環(huán)境出現(xiàn)變化的同時(shí)，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(cái)務(wù)困境之中，嚴(yán)重者甚至不得不申請(qǐng)破產(chǎn)。同時(shí)，企業(yè)所面臨的壓力在一定程度上也會(huì)轉(zhuǎn)嫁到銀行業(yè)當(dāng)中，企業(yè)陷入財(cái)務(wù)困境無(wú)法如期償還貸款，會(huì)導(dǎo)致銀行壞賬的增加，給整個(gè)國(guó)民經(jīng)濟(jì)系統(tǒng)正常健康地運(yùn)行埋下巨大隱患。面對(duì)

2、這樣的情況，企業(yè)除了在經(jīng)營(yíng)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(cái)務(wù)困境預(yù)測(cè)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(cái)務(wù)困境預(yù)測(cè)系統(tǒng)來(lái)幫助其在發(fā)放貸款時(shí)科學(xué)決策，篩除有可能陷入財(cái)務(wù)困境的企業(yè)，保護(hù)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(lèi)模型，其分類(lèi)效果可能由于在動(dòng)態(tài)數(shù)據(jù)流中隨著時(shí)間推進(jìn)的過(guò)程中產(chǎn)生概念漂移現(xiàn)象而降低。
　　在此背景下，本文通過(guò)大量的文獻(xiàn)閱讀，對(duì)前人的研

3、究成果進(jìn)行了歸納，總結(jié)了面向數(shù)據(jù)流概念漂移的財(cái)務(wù)困境預(yù)測(cè)方法，并提出了可能的改進(jìn)方法。在此基礎(chǔ)上，本研究構(gòu)建了三種面向動(dòng)態(tài)數(shù)據(jù)流結(jié)合時(shí)序賦權(quán)原理與多分類(lèi)器集成方法的財(cái)務(wù)困境預(yù)測(cè)模型，即基于多分類(lèi)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(shí)序賦權(quán)Boost迭代算法的雙專(zhuān)家投票算法以及基于時(shí)序賦權(quán)的AdaBoost-SVM算法。同時(shí)以滬深兩市上市公司作為研究對(duì)象，收集時(shí)間區(qū)間在2003-2012年因連續(xù)兩個(gè)會(huì)計(jì)年度虧損或每股