对公司破产预测的混合遗传模型课件

1、A hybrid genetic model for the predictionAnthony Brabazon, Peter B. Keenan摘要: 本文利用遗传算法对神经网络模型的输入变量和结构进行选择产生新模型,利用改模型对公司破产进行预测.选择的数据为1991年到2000年破产公司和没有破产公司的数据,并将该模型得到的结果与以前线性判别模型得到的结果做了比较, 新的模型的正确率比原模型平均高出5%.由此可见该种模型可用于公司破产的预测,并且得到的效果比线性的判别模型强.文章结构1 引言2 问题背景6 结论4 实验方法5 实验结果分析3 遗传算法1 引言 1.1 前提分析: 对公司数

2、据处理的重要性; 介绍公司破产的两种原因; 本文的研究假设以及本文利用的数据; 1.2 研究的动因: 公司破产研究领域存在的问题; GA和NN结合算法的问题; 新的研究方法的优点.2 研究背景 利用财务数据预测公司破产最初开始与1932年Fitzpatrick,其中比较典型的是Altmans (1968) 提出的线性识别模型: X1 = working capital to total assets X2 = retained earnings to total assets X3 = earnings before interest and taxes to total assets X4

3、= market value of equity to book value of total debt X5 = sales to total assets 3 遗传算法3.1 遗传算法的基本介绍 本文利用遗传算法主要体现在一下三步: i. Decode binary string into a NN structure ii. Train the NN iii. Determine the predictive accuracy of the resulting NN3.2 GA与NN结合的算法 GA用于NN的参数选择主要有一下几个方面: i. Model inputs ii. Numbe

4、r of hidden-layers in the MLP iii. Number of nodes in each hidden layer iv. Nature of transfer functions at each node v. Connection weights between each node4.2 组合模型的构建 借鉴GA和NN的各自优点,算法利用训练集选择网络结构,利用测试集选择更高”适应度”的网络结构. 5 实验结果分析模型精确度的对比解释:最优模型的对比前10个最优模型精度的均值对比对成功企业和失败的企业预测准确度的对比:不同时期得到的解释变量的对比:6 结论 验证了公司破产是可以预测的假设,并且新的模型运算结果是比较好的,是有一定的利用价值的!以后工作展望: 借鉴这种首先提出管理方面问题,在利用新的