利用我國資本市場的面板數(shù)據(jù),選取2006—2015年公布的財務(wù)報表欺詐公司作為樣本公司,以1∶1比例配比非財務(wù)欺詐公司,對27個指標(包括財務(wù)指標和非財務(wù)指標)進行分析,然后通過獨立性檢驗對指標進行降維處理,最終保留8個建模指標.分別利用網(wǎng)格搜索算法、遺傳算法和粒子群算法進行支持向量機模型的參數(shù)尋優(yōu),基于上述不同算法建立了三個支持向量機財務(wù)欺詐識別模型.最后,比較三個模型的運行效果,結(jié)果表明,通過粒子群算法尋找最優(yōu)參數(shù)效果最好,據(jù)此建立的支持向量機模型可以很好地識別出財務(wù)欺詐公司樣本.

【文章頁數(shù)】：6 頁

【文章目錄】：
1 研究設(shè)計
    1.1 樣本選取及數(shù)據(jù)來源
    1.2 研究變量的初選
        1.2.1 財務(wù)指標
        1.2.2 非財務(wù)指標
    1.3 研究變量的篩選
    1.4 數(shù)據(jù)歸一化
2 模型構(gòu)建及檢驗
    2.1 SVM模型的構(gòu)建流程
    2.2 模型的建立與檢驗
        2.2.1 網(wǎng)格搜索算法及交叉驗證思想
        2.2.2 遺傳算法
        2.2.3 粒子群算法
3 結(jié)語



本文編號：3873336