作　　者： ; ; ; ;

机构地区： 北京交通大学计算机与信息技术学院信息科学研究所

出　　处： 《复旦学报（自然科学版）》 2004年第5期785-788,共4页

摘　　要： 财务困境预测是金融领域中一个重要的研究课题.已有的统计模型、人工智能和机器学习模型具有预测准确率较低或稳定性差等缺点,因此首次将分类器集成应用于财务危机预测研究,以我国上市公司为研究对象,以决策树和神经网络为子分类器,从实验上证实了分类器集成在提高财务危机预测准确性方面的有效性,最后指出需要进一步研究的几个问题. Financial distress prediction is an important issue in finance. Many models such as Multivariate Discriminant Analysis and Neural Network cannot enhance the generalization or stability. This study applies ensembles of classifiers to financial failure prediction in China' listed companies firstly. It shows that ensembles of classifiers outperform single classifier. Then brings forward the future research goal.

关 键 词： 财务危机 财务困境预测 预测研究 预测准确性 上市公司 金融领域 集成应用 分类器 机器学习 人工智能

领　　域： [自动化与计算机技术] [自动化与计算机技术] [经济管理] [经济管理]