1、 中文中文 4000 字字 附录一：附录一： 外文文献及翻译外文文献及翻译 第八届国际机器学习和控制会议，保定，2009.6.12-2009.6.15 利用数据利用数据处理群方法处理群方法构建财务预警模型构建财务预警模型 杨千惠，廖茂原，陈品伦，黄美婷，黄春伟，黄家祥，钟桂彬 企业管理系，元培科技大学，新竹，台湾 30015，ROC 金融系，元培科技大学，新竹，台湾 30015，ROC Email:mimosa.iern90Gnctu.edu.tw,myliaomail.ypu.edu.tw 摘要：摘要：企业陷入财务困境使债权人、股东、雇员、投资者和其他相关参与蒙受巨大损 失。为了防止企业进入
2、破产程序，财务危机预警是一个将陷入财务困境的企业和健康企 业区别开来的有效的工具。数学统计和人工智能技术已被广泛用于处理这些问题。许多 研究表明人工神经网络在财务困境方面的表现由于数学统计方法。然而，人工神经网络 也有无法接受结果等级的缺陷。本文尝试使用一种人工智能技术数据组合处理技术 来克服这一缺陷。数据样本来自于台湾证券交易所的上市公司。研究结果表明数据组合 处理方法分类的准确度高于 90%并且利用组合处理方法进行财务困境预警的准确度要 高于判别分析法和逻辑回归分析法。 关键字：关键字：财务困境预警；数据处理群方法（GMDH）；人工神经网络 1.介绍介绍 随着近几年国内外资本市场的飞速发展
3、，金融投资在人们生活中扮演了更加重要的 角色。金融投资工具有很多，比如股票、债券、基金、期货、期权和黄金等等都可以被 投资者选择，其中投资股票被最广泛的接受。然而，由于全球经济的变幻莫测、经营环 境的不确定性以及近 10 年企业间激烈的竞争，许多著名的上市公司陷入财务困境甚至 宣告破产。许多投资者在投资了已经上市的企业之后得知的信息仅仅是这个公司经营失 败了。企业从台湾证券交易所撤牌退市或者退出场外交易，不仅仅给投资者、股东、债 权人、职员已经其他相关企业带来巨大的损失，还很大程度地影响了社会经济的平稳运 行。因此，由于财务困境预警有助于经营者和政府机构阻止破产的发生，有助于金融机 构决策者和
4、其他投资者评估选择投资企业，财务危机预警的重要性越发突出。早期的财 务危机预警研究使用多多远判别模型、多元回归模型已经逻辑回归模型等统计方法来预 测公司的财务失败。随着人工智能技术的快速发展，人工神经网络技术也被广泛的应用 与财务困境预警的研究中。大量的研究表明人工神经网络的预警效果优于很多传统的统 计方法。然而，人工神经网络也存在很多缺陷，比如“黑盒过程”、 “难以解释”， “缺 乏特征选择”等。在这些缺陷中，无法合理解释结果的分类是人工神经网络最具争议的 问题。由于上述问题，偶尔无法将人工神经网络的判定结果用于实际中。为了克服人工 神经网络无法解释结果分类的难题，本文提出了一种根据人工智能
5、技术的的一种数 据处理群方法建立起来的财务困境预警模型。GMDH 算法被广泛应用于数据挖掘、知 识发现、系统建模、预测、最优化以及模式识别等领域。由于构建的模型不是特别复杂， 数据间可被解释的联系能够被发现还有输出的有效变量能够被自动选择， 因此数据组合 处理技术非常有应用价值。因此，本文的目的是利用 GMDH 算法来构建财务困境预警 模型。然后将拟建模型的预测表现与逻辑回归模型和判别分析模型进行比较，来证实本 文介绍的方法要优于传统统计方法。 本文结构按如下方式进行组织。文章的第 2 部分对财务困境研究成果进行回顾总结 并对数据组合处理技术进行介绍。随后文章的第 3 部分介绍了财务困境预警的
6、变量和财 务困境预警模型的发展。第 4 部分展示实证结果并讲本文提出模型的预警结果与利用逻 辑回归分析和判别分析法构建的财务困境预警模型的预测结果进行对比来证实本文提 出模型的有效性。对实证结果汇总得出的结论将在第 5 章给出。 2.文献综述文献综述 2.1 财务困境预警的简要回顾财务困境预警的简要回顾 这一部分介绍了建立财务困境预警模型的不同方法。 财务困境预警被广泛的研究始于 20 世纪 60 年代末。 Altman首先使用线性判别分析 预测了不同行业企业的失败。 Altman选取了 33 家破产企业与 33 家配对健康公司建立了 财务困境预警模型。他发现这个模型表现优异，尤其实在较短的时间段内预测。 Deakin、 Sinkey、 Altman、 Lam 和 Moy利用线性判别分析进一步发展了财务危机预警模型。 然而， 因为理论假设要求数据必须符合多远正态分布，协方差矩阵必须相等，这屡屡与现实数 据相违背，因此利用线性判别分析法构建信用评估模型受到了很多批评。尽管二元判别 分析法能从一定程度上消除线性判别分析的缺陷，但二元判别分析并未像人们所期待的 比线性判别
