在國際評級機構(gòu)經(jīng)濟背景與我國市場經(jīng)濟不相契合的前提下,為完善我國上市公司信用評級方法體系,本文通過完善指標選取、數(shù)據(jù)處理與算法優(yōu)化三個方面,選取銳思數(shù)據(jù)庫我國上市公司的評級數(shù)據(jù)、財務(wù)數(shù)據(jù)與相關(guān)非財務(wù)數(shù)據(jù),采用"數(shù)據(jù)分割"方式,創(chuàng)新性地將人工蜂群算法優(yōu)化支持向量機(ABC-SVM)應(yīng)用于我國上市公司信用評級中。結(jié)果表明:通過將整體數(shù)據(jù)集分割為升級數(shù)據(jù)集和降級數(shù)據(jù)集,評級準確率分別提高了3.78%和3.37%;同時,較傳統(tǒng)支持向量機與其他兩種生物啟發(fā)算法(粒子群算法、遺傳算法)優(yōu)化下的支持向量機,ABC-SVM算法的評級效果最好,評級準確率顯著提高了5%—7%。本文為我國上市公司信用評級提供了方法思路,豐富了企業(yè)信用評級指標體系,為建立層次更全面的企業(yè)信用數(shù)據(jù)庫、提高我國上市公司信用評級準確率提供技術(shù)支持,并為我國爭取國際評級話語權(quán)提供理論依據(jù)。

【文章頁數(shù)】：9 頁

【文章目錄】：
一、問題的提出
二、理論概述
    （一）支持向量機（SVM)
    （二）人工蜂群算法（ABC)
    （三）人工蜂群優(yōu)化支持向量機（ABC-SVM)
三、數(shù)據(jù)處理與特征選擇
    （一）數(shù)據(jù)處理
    （二）特征選擇
四、實證分析
    （一）算法設(shè)置與結(jié)果
    （二）算法適應(yīng)度檢驗
    （三）K-S檢驗
五、結(jié)論與建議
    （一）結(jié)論
    （二）建議



本文編號：3817187