集成機器學習模型在不平衡樣本財務預警中的應用
所屬分類：技術論文
上傳者：aetmagazine
文檔大?。?span>571 K
標簽： 財務預警預測 集成機器學習 不平衡采樣技術
所需積分：0分積分不夠怎么辦？
文檔介紹：基于上交所主板市場A股企業(yè)的財務指標數(shù)據(jù)來預測企業(yè)的財務風險，樣本數(shù)據(jù)包括1 227家正常上市企業(yè)和42家被財務預警的企業(yè)，數(shù)據(jù)嚴重不平衡，通過重采樣技術解決了分類器在不平衡樣本中失效的問題，運用Bagging思想的集成機器學習對預測模型進行提升與優(yōu)化。正確挑選出有財務危機企業(yè)的概率最高達到92.86%,在此基礎上，樣本的整體準確率在經過模型的集成之后提高了5.4%。集成模型提高了對上市企業(yè)的財務預警能力，能為企業(yè)的正常經營和投資者的安全投資提供一定的借鑒。
現(xiàn)在下載
VIP會員，AET專家下載不扣分；重復下載不扣分，本人上傳資源不扣分。