零售企业财务预警论文

导语：零售企业财务预警论文一文来源于网友上传，不代表本站观点，若需要原创文章可咨询客服老师，欢迎参考。

一、主成分分析和最小二乘支持向量机算法模型构建与研究思路

无论对风险预警进行训练、测试还是数据分析都需要一定数量的样本集,本文结合我国证券市场的现实特点,选择中小企业板零售行业15家上市公司2006～2010年连续5年的年报财务数据作为基础数据,财务年报数据真实且具有可比性。在综合考虑零售行业特点的基础上,将ST公司视为“财务危机”企业,如*ST德棉、ST迈亚和ST欣龙等,选择能够体现企业财务状况和经营成果的5大类,14个重要相对指标(见表1)。利用PCA和LS-SVM进行财务风险预警是要在各辅助变量和状态量之间建立非线性模型,首先对获取的输入变量数据进行标准化处理,再利用PCA提取数据,获得主成分样本集,作为最小二乘支持向量机的输入,得到网络化资源优化配置模型。建立的框架如图1所示:选用径向基核(RBF核函数)作为最小二乘支持向量机的核函数如下式:,σ为可调常数,结合三步搜索法和多层动态自适应优化算法对企业财务预警模型进行训练[4],用测试集验证,选择合适的超参数γ和径向基核参数σ。基于主成分分析和最小二乘支持向量机的制造网格资源优化配置建模可以通过以下步骤实现:(1)对p维随机矢量Xn×p原始样本集进行Z-Score标准化,使每个随机矢量的均值为0,方差为1。(2)由协方差矩阵求出主成分值和特征向量,根据期望值和累计贡献率确定主成分,这样通过PCA可将p维随机矢量变为m维主元变量(m<p)。(3)将三步搜索法和多层动态自适应优化算法引入到最小二乘支持向量机参数选择中,二维空间平面由γ和RBF核参数σ组成的,以模型的预报准确率作为判别准则,能够找到最优的组合,建立PCA-LSSVM预警模型,并用建立好的模型进行仿真。

二、算例分析

风险预警机制包含一些定量财务指标,企业风险级别可以通过计算企业财务指标来反映,以其短期偿债能力、长期偿债能力、运营能力、获利能力和发展能力等指标为依据,了解企业财务状况的变化,进而达到预警的作用。取与财务预警模型对应时刻竞争因素的特征变量计算值作为初始量测样本,剔除病态样本数据和异常数据,选取45组零售企业数据作为训练样本,同一行业的10组企业数据作为测试样本来建立和检验模型,然后对该初始样本集进行主成分分析。

三、结论

制造网格资源优化配置为企业联盟自动选择和控制提供了可能,本文研究和提出了一种基于PCA和最小二乘支持向量机技术的企业财务风险预警方法。该方法采用了主成分分析,有效地消除了噪声和数据间的关联性,在保证足够样本数据信息的前提下,降低了样本数据的维数(从14维到10维)。同时根据样本特征,设计适合风险预警的LS-SVM结构用于估计,使复杂度大大降低,运算速度加快。该模型具有泛化能力强、实现简单、训练速度快等优点,为零售行业中企业财务的正确管理提供了极大方便。

作者:韩霞单位:锡林郭勒职业学院