计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2014年
3期
873-878
,共6页
刘遵雄%黄志强%刘江伟%陈英
劉遵雄%黃誌彊%劉江偉%陳英
류준웅%황지강%류강위%진영
支持向量机%平滑削边绝对偏离惩罚%截断Hinge损失支持向量机%财务预警%L1范数惩罚
支持嚮量機%平滑削邊絕對偏離懲罰%截斷Hinge損失支持嚮量機%財務預警%L1範數懲罰
지지향량궤%평활삭변절대편리징벌%절단Hinge손실지지향량궤%재무예경%L1범수징벌
Support Vector Machine (SVM)%Smoothly Clipped Absolute Deviation (SCAD) penalty%Truncated Hinge loss SVM (TSVM)%financial early-warning%L1 norm penalty
针对传统支持向量机(SVM)分类存在对离群点敏感、支持向量(SV)个数多和分类面参数非稀疏的问题,提出了平滑削边绝对偏离(SCAD)惩罚截断Hinge损失SVM (SCAD-TSVM)算法,并将其用于构建财务预警模型,同时就该模型的求解设计了一个迭代更新算法.结合沪深股市A股制造业上市公司的财务数据进行实证分析,同时对比L1范数惩罚SVM、SCAD惩罚SVM和截断Hinge损失SVM(TSVM)构建的T-2和T-3模型,结果发现SCAD-TSVM构建的T-2和T-3模型都具有最好的稀疏性和最高的预报精度,而且其在不同训练样本数上的平均预测准确率都要比L1范数SVM(L1-SVM)、SCAD-SVM和TSVM算法的高.
針對傳統支持嚮量機(SVM)分類存在對離群點敏感、支持嚮量(SV)箇數多和分類麵參數非稀疏的問題,提齣瞭平滑削邊絕對偏離(SCAD)懲罰截斷Hinge損失SVM (SCAD-TSVM)算法,併將其用于構建財務預警模型,同時就該模型的求解設計瞭一箇迭代更新算法.結閤滬深股市A股製造業上市公司的財務數據進行實證分析,同時對比L1範數懲罰SVM、SCAD懲罰SVM和截斷Hinge損失SVM(TSVM)構建的T-2和T-3模型,結果髮現SCAD-TSVM構建的T-2和T-3模型都具有最好的稀疏性和最高的預報精度,而且其在不同訓練樣本數上的平均預測準確率都要比L1範數SVM(L1-SVM)、SCAD-SVM和TSVM算法的高.
침대전통지지향량궤(SVM)분류존재대리군점민감、지지향량(SV)개수다화분류면삼수비희소적문제,제출료평활삭변절대편리(SCAD)징벌절단Hinge손실SVM (SCAD-TSVM)산법,병장기용우구건재무예경모형,동시취해모형적구해설계료일개질대경신산법.결합호심고시A고제조업상시공사적재무수거진행실증분석,동시대비L1범수징벌SVM、SCAD징벌SVM화절단Hinge손실SVM(TSVM)구건적T-2화T-3모형,결과발현SCAD-TSVM구건적T-2화T-3모형도구유최호적희소성화최고적예보정도,이차기재불동훈련양본수상적평균예측준학솔도요비L1범수SVM(L1-SVM)、SCAD-SVM화TSVM산법적고.