44、基于支持向量机和小波神经网络的企业财务困境预测

基于支持向量机和小波神经网络的企业财务困境预测

1. 研究背景

财务困境预测一直是众多潜在使用者关注的重要问题，这些使用者涵盖了贷款专家、应收账款经理、投资者、证券分析师等众多群体。财务困境预测的历史已逾四十年，期间出现了多种预测方法，如Beaver的单变量分析、Altman的多元判别分析（MDA）及著名的Z计分模型、Ohlson的逻辑回归等。近年来，小波神经网络（WNN）和支持向量机（SVM）作为先进的分类方法逐渐受到关注。

2. 研究设计

2.1 样本收集

• 样本来源 ：样本公司来自沪深A股的制造业公司。特别处理公司（ST）的界定标准为连续两年亏损或一年亏损且权益低于注册资本，但不包括上市头两年巨亏、因巨额或有债务被特别处理以及因自然灾害和重大事故被特别处理的公司。退市公司选取1993年1月1日至2005年12月31日因亏损退市的企业，健康公司从正常运营的企业中随机抽取。
• 样本划分 ：样本分为估计样本和测试样本。估计样本包含205家企业，其中状态0的企业164家，状态1的企业23家，状态2的企业18家；测试样本包含141家企业，其中状态0的企业111家，状态1的企业14家，状态2的企业16家。
• 数据来源 ：原始数据主要来自两个渠道，一是上海的Wind Info，提供了良好的中国上市公司股票市场数据和企业财务数据；二是中国财经在线公司（股票代码：JRJC，纳斯达克）的网站（http://www.jrj.com.cn），专注于在线金融和上市公司数据信息运营。