基于支持向量机方法的企业信用评级研究

摘要由企业信用评级具有样、非线性、高维数等问题传统评级方法并不能很地适用。

采用支持向量机方法对评级指标体系进行特征选择建立上市企业信用评级模型对上海证券交易所83上市企业进行实证研究结显示通支持向量机进行特征选择支持向量机具有较高预测准确。

关键词支持向量机;信用评级、引言我国企业长期面临着严重金融风险而风险评估是否科学合理关系着我国股市承担风险。

通建立风险评估指标体系运用支持向量机构建评估模型对收集355金融风险样进行训练和检验建立起企业信用风险评级模型

支持向量企业信用风险评级模型将有助企业更地评估信用风险从而采取更加有效风险处理措施。

国外对支持向量机(V)预测效进行了量研究

运用不机器学习方法建立了商业银行风险预警模型终得到机器向量模型预测效和准确率是高。

国对支持向量机应用主要体现对银行信贷风险识别与分类上。

而余晨曦等人进行贷款违约判定用到了非线性支持向量机得到了较判定结。

综上已有相关研究对构建完整上市企业信用指标评价体系研究缺乏系统研究而且相关研究缺乏实证支持

针对这问题以上市企业对象对其进行信用评级

作项实证研究方面可以系统性地探讨上市企业信用风险情况;另方面通对研究方法进行改进和完善可以实现系统考察上市企业所面临信用风险问题相关监管部门等提供策依据。

当前已有许多算法将V推广到多类分类问题可以将它们致分两类接法和直接法。

由直接法将参数合并到优化问题可以“次性”地实现多类分类应用起十分简洁因使用二类方法。

二、模型概述支持向量机(V)是统计学习理论核心算法由前苏学者Vk97年提出。

该方法是以V维理论和风险化基础通核函数技术研究数据下机器学习规律。

V方法是从线性可分情况下优分类面发展而。

其主要思想是输入样数据以某种非线性函数关系映射到特征空特征空构造优分类超平面使两类(多类)样特征空可分。

当前已有许多算法将V推广到多类分类问题可以将它们致分两类接法和直接法。

由直接法将参数合并到优化问题可以“次性”地实现多类分类应用起十分简洁因使用二类方法。

三、指标构建及数据说明、企业信用评级等级企业信用评级是根据万得致预测评级(截至指定交易日各机构对该证券投评级算术平值)将其划分到相应信用等级

其“”表示上市企业信用低违约风险高投价值低;“0”表示上市企业信用般违约风险般投价值般;“”表示上市企业信用高违约风险较低有较高投价值。

、金融风险评估指标体系构建确定全面合理評估指标体系是信用风险评估基础因选择科学有效评估指标体系对比较准确地评估信用风险是非常重要。

借鉴传统风险评估基框架变量选择方面从营运能力、盈利能力、偿债能力、成长能力方面选取财变量综合量上市公司财状况包括以下指标每股收益、每股净产、净产收益率、总产净利率、销售净利率、流动比率、速动比率、产权比率、权益乘数、长期债与营运金比率、存货周率、应收帐款周率、流动产周率、营运周率、总产周率、基每股收益(比增长率)、净利润(比增长率)、净产(比增长率)、总产(比增长率)共计9指标

3、数据处理将07年上市企业年数据剔除缺失值样总量 83企业。

其各指标数据金融数据库。

预计用到多指标其量纲和数量级不了保证结可靠性建立V模型前先对数据进行归化处理将数据归化至[0]。

其具体数据处理由企业预测评级分类代码“”数据样占多数而企业预测评级分类代码“0”和“”数据样比例较低。

由两等级样太少难以收集充足数据根据我国实际情况将对原些等级进行合并终得到所采用企业信用评级等级

指标选择上由缺失值太多删除了指标

四、实证研究及结分析根据评级指标体系选取上海和深圳证券上市交易企业财数据建立上市企业信用评级模型

建立评级模型前要对数据进行预处理。

通筛选、删除有特征值缺失数据样共得到83有效企业债主体财数据样其评级等级、0分别占79、等级占39。

数据金融数据库。

利用R语言对V模型确定优参数。

模型数据评级分类准确率898%。

数据集整体评级分类准确率较高“”等级上其分类性能取得了效;但预测“”等级和“0”等级数据分类性能较差正确率偏低这降低了整体预测正确率。

其可能原因是是由金融数据般是含有模糊、不确定性信息导致“”等级与“”“0”两等级界限并不明显影响了分类正确性。

二是由财指标选取上只是依据传统定性分析方法没有进行进步处理导致财指标致性和稳定性较差。

五、总结作风险管理与控制手段信用评级对证券市场发展至关重要。

支持向量机是种被证明是优良新型算法已被应用多方面分类与回归问题。

针对企业信用风险评估面临样、非线性、高维数等问题以及样数据指标多、噪声复杂特提出了种基支持向量企业信用评级模型

该方法利用财指标结合V建立评级模型数据进行分类

实验结表明通支持向量机进行特征选择支持向量机具有较高预测准确。

当然针对直接法通该优化问题“次性”地实现多类分类尽管看起简洁但是实际应用由变量多训练速和分类精都不是有很效。

参考献[]陈军飞张强基随机森林支持向量机企业债主体信用评级研究[]证券市场06(3)808[]沈沛龙周浩基支持向量机理论企业信用风险预测研究[]国际金融研究00(8)7785[3]刘志刚李德仁秦前清史支持向量机多类分类问题推广[]计算机工程与应用003(7)03[]陈朝晖胡玉芳基V我国商业银行风险预警研究[]武汉理工学学报(信息与管理工程版)0()50508作者简介王星星(99)女河北石庄人山西财学06(金融学)学术硕士研究研究方向金融投与风险管理 相关热词 向量评级企业信用

6 次访问