中小上市公司信用风险评估比较研究

doi:10.3969/j.issn.1672-2272.2018.05.037

下载:

PDF (733KB)
输出: BibTeX | EndNote (RIS)

摘要以114家中小上市公司为研究对象，运用BP神经网络模型和径向基网络模型对训练样本和测试样本中一定比例的“非ST”和“被ST”进行了信用评估。按照各上市公司财务状况把公司划分为“好”和“差”两类。仿真结果表明：BP神经网络模型对测试样本的预测准确率高达88.9%，而径向基网络模型对测试样本的预测准确率只有77.8%，比BP神经网络模型的准确预测率低了11个百分点。

	服务
	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	（）
	作者相关文章
	何欣
	张红梅

关键词: 径向基神经网络 BP神经网络模型中小上市公司

收稿日期: 2018-03-20 出版日期: 2018-05-25 发布日期: 2018-08-13 整期出版日期: 2018-05-25

引用本文:

何欣,张红梅. 中小上市公司信用风险评估比较研究[J]. 科技创业月刊, 2018, 31(5): 133-137.

链接本文:

http://www.zgkjcy.com/CN/10.3969/j.issn.1672-2272.2018.05.037 或 http://www.zgkjcy.com/CN/Y2018/V31/I5/133

[1]	蒋彧,高瑜.基于KMV模型的中国上市公司信用风险评估研究［J］.中央财经大学学报,2015(9):38-45.
[2]	柯孔林,周春喜.商业银行信用风险评估方法研究述评［J］.商业经济与管理,2005(6):55-60.
[3]	张玲,张佳林.信用风险评估方法发展趋势［J］.预测,2000(4):72-75.
[4]	李亚光.财务比率分析法对上市公司负债筹资风险预测的修正——基于中国资本市场的实证分析［J］.中国管理信息化,2008(19):51-53.
[5]	TIRAPAT, SUNTIi，NITTAYAGASETWAT, AEKKAC HAI.An investigation of the listed firms financial distress using macro and micro variables. Multinational Finance Journal, 1999,3(2)：103-126.
[6]	邓晶,秦涛,黄珊.基于Logistic模型的我国上市公司信用风险预警研究［J］.金融理论与实践,2013(2):22-26.
[7]	郑昱.基于Probit模型的个人信用风险实证研究［J］.上海金融,2009(10):85-89.
[8]	林莎,雷井生.DEA模型在中小上市企业信用风险的实证研究［J］.科研管理,2010,31(3):158-163.
[9]	SUEYOSHI T. Extended DEA-discriminant analysis［J］. European Journal of Operational Research, 2001,131:324-351.
[10]	朱金华.组合模型在商业银行信用风险评估中的研究［J］.计算机仿真,2011(9):361-364.
[11]	姚德权,王文进.基于风险资产结构不确定性的商业银行整合风险度量研究［J］.财经理论与实践,2015(6):8-13.
[12]	HUANG C L, CHEN M C, WANG C J. Credit scoring with a data mining approach based on support vector machines［J］.Expert Systems with Applications,2007,33(4):847-856.
[13]	XU XIUJUAN, ZHOU CHUNGUANG, WANG ZHE.Credit scoring algorithm based on link analysis ranking with support vector machine［J］.Expert Systems with Applications,2008,36(2):1-8.
[14]	程砚秋.基于不均衡数据的小企业信用风险评价［J］.运筹与管理,2016,5(6):183-189.
[15]	TAU F E H, SHEN L.Economic and financial prediction using rough sets model［J］.European Journal of Operational Research,2002,141(3):641-659.
[16]	杜婷.基于粗糙集支持向量机的个人信用评估模型［J］.统计与决策,2012(1):94-96.
[17]	郭英见,吴冲.基于信息融合的商业银行信用风险评估模型研究［J］.金融研究,2009(1):95-106.
[18]	许兴军,颜钢锋.基于BP神经网络的股价趋势分析［J］.浙江金融,2011(11):57-59+64.
[19]	甄彤,范艳峰.基于支持向量机的企业信用风险评估研究［J］.微电子学与计算机,2006(5):136-139.
[20]	张目,周宗放.基于多目标规划和支持向量机的企业信用评估模型［J］.中国软科学,2009(4):185-190.
[21]	陈晓红,张泽京,王傅强.基于KMV模型的我国中小上市公司信用风险研究［J］.数理统计与管理,2008(1):164-175.
[22]	边海容,万常选,刘德喜,等.考虑Web金融信息的上市企业财务危机预测模型研究［J］.计算机科学,2013,40(11):295-298+315.

[1]	. [J]. Pioneering With Science & Technology Monthly, 2018, 31(1): 1 -7 .
[2]	. [J]. Pioneering With Science & Technology Monthly, 2018, 31(1): 8 -10 .
[3]	. [J]. Pioneering With Science & Technology Monthly, 2018, 31(1): 11 -13 .
[4]	. [J]. Pioneering With Science & Technology Monthly, 2018, 31(1): 14 -17 .
[5]	. [J]. Pioneering With Science & Technology Monthly, 2018, 31(1): 18 -20 .
[6]	. [J]. Pioneering With Science & Technology Monthly, 2018, 31(1): 21 -24 .
[7]	. [J]. Pioneering With Science & Technology Monthly, 2018, 31(1): 25 -27 .
[8]	. [J]. Pioneering With Science & Technology Monthly, 2018, 31(1): 28 -30 .
[9]	. [J]. Pioneering With Science & Technology Monthly, 2018, 31(1): 31 -34 .
[10]	. [J]. Pioneering With Science & Technology Monthly, 2018, 31(1): 35 -38 .