山东省软科学研究计划(2008RKA223)
- 作品数：6 被引量：18H指数：3
- 相关作者：赵冠华李玥赵娟更多>>
- 相关机构：山东财政学院天津大学更多>>
- 发文基金：山东省软科学研究计划山东省科技攻关计划国家自然科学基金更多>>
- 相关领域：经济管理自动化与计算机技术理学更多>>
- 基于Renyi熵的LS-SVM财务困境预测模型被引量：1
- 2010年
- 为了提高企业财务困境预测的正确率,减少训练模型的样本数和训练时间,在传统支持向量机预测模型的基础上,将Renyi熵和最小二乘支持向量机算法应用于财务困境预测,提出了一种基于Renyi熵的最小二乘支持向量机预测模型。独立推导出了适合财务困境预测这一离散序列的熵以及支持向量机核函数的表达式,同时,给出了这一改进算法的实现步骤。实验结果表明,该算法无论是训练样本的数量还是训练时间,都显著优于传统的最小二乘支持向量机以及标准支持向量机预测模型。
- 赵冠华
- 关键词：RENYI熵最小二乘支持向量机支持向量机财务困境预测
- 基于邻域粗糙集属性约简的对偶约束式LS-SVM财务困境预测模型研究被引量：4
- 2011年
- 为了提高财务困境预测的正确率,改善模型预测的效果,将邻域粗糙集和遗传算法应用于对偶约束式最小二乘支持向量机,提出了一种基于邻域粗糙集属性约简的对偶约束式最小二乘支持向量机预测模型。同时,给出了这一改进模型的实现步骤。实证结果表明,通过邻域粗糙集指标预处理和遗传算法参数优化后,不但提高了模型预测的正确率,还降低了模型运行的时间,证实了该模型应用于财务困境预测是有效的。
- 赵冠华
- 关键词：邻域粗糙集最小二乘支持向量机遗传算法财务困境预测
- 基于GA和Renyi熵的增长记忆式最小二乘支持向量机财务业绩预测模型
- 为了综合提高财务业绩预测的正确率,在传统支持向量机财务业绩预测模型的基础上,提出了一种新的基于遗传算法和Renyi熵的增长记忆式最小二乘支持向量机预测模型。并独立推导出了适合财务业绩预测这一离散序列的熵以及支持向量机核函...
- 赵冠华
- 关键词：遗传算法RENYI熵邻域粗糙集最小二乘支持向量机
- 文献传递
- 基于遗传算法和熵的缩减记忆式LS-SVM财务困境预测模型研究被引量：6
- 2010年
- 为了提高财务困境预测的正确率,减少模型的训练样本数和训练时间,在传统支持向量机(SVM)预测模型的基础上,将遗传算法、信息熵和缩减记忆算法应用于最小二乘支持向量机(LS-SVM),提出了一种基于遗传算法和信息熵的缩减记忆式最小二乘支持向量机预测模型。并独立推导出了适合财务困境预测这一离散序列的熵以及支持向量机核函数的表达式,同时,给出了这一改进模型的实现步骤。实验结果表明,该模型无论是预测正确率,还是训练样本的数量和训练时间,都显著优于最小二乘支持向量机以及传统支持向量机模型。
- 赵冠华
- 关键词：遗传算法信息熵最小二乘支持向量机财务困境预测
- 基于遗传算法参数优化的最小二乘支持向量机财务困境预测被引量：3
- 2011年
- 传统支持向量机应用于财务困境预测时,需要求解复杂的二次规划问题,求解难度大。而最小二乘支持向量机模型可以将二次规划问题变成一个线性方程组来求解,有效降低了模型求解的难度。尤其是将遗传算法应用于最小二乘支持向量机模型参数和核参数的优化时,显著提高了模型预测的正确率。本文从沪深两市随机抽取了2002年-2007年252家A股上市公司作为研究样本,并把研究样本分为两组,对这两组样本数据分别进行了短期及中长期预测。实证结果表明,基于遗传算法的最小二乘支持向量机模型的预测效果不但好于传统统计类Logit模型,也优于传统支持向量机模型。短期预测效果显著优于中长期预测效果,训练样本数直接影响到模型的预测效果,二者呈正相关关系。
- 赵冠华李玥赵娟
- 关键词：遗传算法最小二乘支持向量机参数优化
- 基于熵的最小二乘支持向量机增长记忆算法与实证分析
- 2010年
- 为了减少预测模型的训练样本数和训练时间,提高预测的正确率,将信息论中熵的概念和增长记忆算法引入企业财务困境预测,提出了一种基于熵的最小二乘支持向量机（LS-SVM）增长记忆算法,该算法不必每次都求解矩阵的逆,提高了算法的有效性;通过实验,给出了适合企业财务困境预测的离散的信息熵和核函数的表达式。将该算法与传统LS-SVM以及标准SVM的分析比较,可以看出,在ST前1~3年的不同时点上,基于熵的LS-SVM增长记忆算法无论是训练样本的数量还是运算时间,都显著优于传统的LS-SVM以及标准的SVM,证实了将信息熵和增长记忆算法应用于企业财务困境预测的有效性和优越性。
- 赵冠华
- 关键词：最小二乘支持向量机信息熵SVM财务困境预测
- 基于二次Renyi熵的非迭代最小二乘支持向量机预测模型被引量：5
- 2009年
- 将二次Renyi熵应用于企业财务困境预测,提出了一种基于二次Renyi熵的最小二乘支持向量机(LS-SVM)模型。通过将该模型与传统的LS-SVM模型、标准SVM模型以及与二项Logistic回归模型、BP神经网络(BP-ANN)的分析比较,表明了该模型无论是训练样本的数量还是运算时间,都显著优于其他模型,且有较好的稳定性。实证分析表明,将二次Renyi熵引入企业财务困境预测领域是成功的,同时,通过对原始输入变量进行显著性检验、因子分析处理,减少了输入变量个数,预测正确率达到了88%,说明因子分析法是有效的。
- 赵冠华
- 关键词：最小二乘支持向量机财务困境预测
