以我國(guó)A股上市公司退市風(fēng)險(xiǎn)預(yù)警為例,將非線性支持向量機(jī)模型（SVM）與主成分分析法相結(jié)合,構(gòu)建了一種基于主成分分析的支持向量機(jī)預(yù)測(cè)模型。模型通過(guò)主成分分析將具有非線性和非正態(tài)分布的財(cái)務(wù)數(shù)據(jù)壓縮到五維空間中,引入支持向量機(jī)模型對(duì)我國(guó)A股市場(chǎng)2019年被交易所處以退市風(fēng)險(xiǎn)警示的139家上市公司以及239家配對(duì)樣本進(jìn)行實(shí)證分析。實(shí)證結(jié)果表明,基于主成分分析的支持向量機(jī)模型比傳統(tǒng)Logistic回歸模型對(duì)上市公司退市風(fēng)險(xiǎn)預(yù)警的準(zhǔn)確性提高了5.29%。因此,該模型有望為利益相關(guān)者的風(fēng)險(xiǎn)管控和投資決策提供參考依據(jù)。 

【文章來(lái)源】：銅陵學(xué)院學(xué)報(bào). 2020,19(04)

【文章頁(yè)數(shù)】：5 頁(yè)

【文章目錄】：
一、引言
二、研究設(shè)計(jì)
    （一）研究樣本選取
    （二）顯著性檢驗(yàn)
    （三）主成分分析
三、基于主成分分析的支持向量機(jī)模型
    （一）模型的建立
    （二）模型的求解
        1. 數(shù)據(jù)預(yù)處理
        2. 核函數(shù)的選取
    （三）Logistic回歸模型的預(yù)測(cè)效果對(duì)比
四、上市公司退市風(fēng)險(xiǎn)控制意見(jiàn)
    （一）加強(qiáng)上市公司資產(chǎn)質(zhì)量管理
    （二）加強(qiáng)上市公司內(nèi)部控制管理
    （三）建立上市公司退市風(fēng)險(xiǎn)預(yù)警機(jī)制



本文編號(hào)：3187207