论文部分内容阅读
本文以中国上市公司作为研究对象，以因财务状况异常而被列为特别处理(ST)公司作为界定上市公司陷入财务困境的标志，选择1998-2004年间的上市公司财务数据，探索了使用自组织特征映射网络和领域专业知识相结合的方法选取样本，采用多种建模技术建立了预测期为2年和3年的两组预测模型，并用10重交叉验证技术和ROC曲线对几种算法的结果进行了比较。
首先，采用传统统计方法分别建立了逻辑斯蒂(Logistic)回归和多元判别分析(MDA)模型，在预测集上验证了模型的效果；由于财务数据并不完全服从正态分布，并且银行信贷管理需要的是一个违约概率，因此选择了一种特别的高斯混合模型(GMM)方法，采用EM迭代算法估计混合模型的参数，再根据Bayes决策理论估计后验概率，分别建立了一个中心和两个中心的混合PPCA模型，最后，在独立的预测集上将这两种模型的效果与传统统计模型的效果做了比较。结果显示，GMM模型的预测效果有一定的提高，证明该方法在财务困境预测领域有应用价值。