亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于支持向量機(jī)的高校財(cái)務(wù)困境預(yù)警模型研究

        2020-05-09 10:46:00閆大波任淑紅王微微
        今日財(cái)富 2020年12期
        關(guān)鍵詞:困境分類財(cái)務(wù)

        閆大波?任淑紅?王微微

        基于SVM的高校財(cái)務(wù)困境預(yù)警模型是一種在小樣本數(shù)據(jù)條件下預(yù)警高校財(cái)務(wù)困境的重要方法。本文選取了教育部64所高校中的7個(gè)財(cái)務(wù)評(píng)價(jià)指標(biāo)進(jìn)行分析,將其劃分為三種類別,即輕警、重警與巨警,然后與誤差反向傳播( BP) 神經(jīng)網(wǎng)絡(luò)模型進(jìn)行比較。經(jīng)過系統(tǒng)研究,結(jié)果顯示通過SVM預(yù)警模型可以更好地預(yù)警高校財(cái)務(wù)困境。因此,建立基于支持向量機(jī)的高校財(cái)務(wù)困境預(yù)警模型,強(qiáng)化高校財(cái)務(wù)困境預(yù)警管理,尤為必要。

        高校財(cái)務(wù)管理由早期的無風(fēng)險(xiǎn)管理逐漸向現(xiàn)代化的風(fēng)險(xiǎn)管理轉(zhuǎn)變,特別在2008年爆發(fā)金融危機(jī)后,建立財(cái)務(wù)困境預(yù)警非常有必要。六十年代到九十年代中后期,在傳統(tǒng)的統(tǒng)計(jì)方法基礎(chǔ)上又形成一些財(cái)務(wù)困境預(yù)警模型。然而,受模型對(duì)樣本數(shù)量要求較高等因素限制,導(dǎo)致以上預(yù)警模型在面對(duì)小樣本數(shù)據(jù)時(shí),無法克服自身缺陷,不能有效解決財(cái)務(wù)困境預(yù)警問題。

        通過研究國(guó)內(nèi)外相關(guān)文獻(xiàn),對(duì)企業(yè)財(cái)務(wù)困境領(lǐng)域研究表現(xiàn)較為突出的,當(dāng)屬基于SVM的研究財(cái)務(wù)困境預(yù)警模型,上市公司在這方面的實(shí)證研究比較充分,但是關(guān)于非盈利性組織的研究較少,例如高校。本文在SVM算法基礎(chǔ)上,通過建立高校財(cái)務(wù)困境預(yù)警模型,對(duì)各種實(shí)證進(jìn)行分析,以證明該模型在高校財(cái)務(wù)困境預(yù)警中具有非常高的應(yīng)用價(jià)值,值得進(jìn)行大力推廣。

        一、SVM的原理和算法

        SVM在一定程度上與概率測(cè)度和大數(shù)定律并不涉及,傳統(tǒng)機(jī)器學(xué)習(xí)方法中存在的各種缺陷都能效解決,如維數(shù)災(zāi)難等。它可以有效發(fā)揮出自身獨(dú)特優(yōu)勢(shì),如非線性識(shí)別、有效解決小樣本和高維模式等,如一般的回歸問題和分類問題等在此基礎(chǔ)上能夠得到充分簡(jiǎn)化。

        簡(jiǎn)單的描述SVM機(jī)理。首先選擇最優(yōu)分類超平面的一個(gè),保證超平面和樣本集轉(zhuǎn)化之間得到最大化的距離,在此基礎(chǔ)上最優(yōu)超平面的構(gòu)造可以將其朝著一個(gè)類似二次規(guī)劃問題的方向進(jìn)行轉(zhuǎn)化。

        (一)線性可分SVM

        若樣本,不僅是線性的且可分,分類超平面有且只有一個(gè),即wTx+b =0,則可以正確分類訓(xùn)練樣本且誤差為零,即

        之后再將拉格郎日函數(shù)引進(jìn)來,通過優(yōu)化解決二次規(guī)劃問題,可以將最優(yōu)的分類函數(shù)進(jìn)一步得到。

        (二)線性不可分SVM

        若樣本不是線性且不可分,則需要將非負(fù)松弛變量和懲罰參數(shù)C>0引入到方程式中,懲罰錯(cuò)誤的分類隨著C增大,以此便可以優(yōu)化解決廣義分類超平面問題。

        (三)非線性SVM

        針對(duì)非線性問題而言,只需要在一個(gè)非線性映射的基礎(chǔ)上在某一特征空間內(nèi)實(shí)現(xiàn)輸入向量的映射,之后再將最優(yōu)分類的超平面構(gòu)造起來。

        通過上述分析,在非線性函數(shù)的幫助下雖然可以在高維特殊空間內(nèi)實(shí)現(xiàn)對(duì)樣本數(shù)據(jù)的映射,且能夠?qū)⒆顑?yōu)分類超平面在特征空間中構(gòu)建起來,然而在最優(yōu)化問題求解和決策函數(shù)的計(jì)算過程中只需要對(duì)核函數(shù)進(jìn)行計(jì)算即可,以此類似特征空間維數(shù)災(zāi)難性的問題就能夠得到有效解決。

        二、樣本選取與變量設(shè)計(jì)

        (一)樣本選取

        選取72所教育部直屬高校作為空間樣本,其中已知樣本空間和需要進(jìn)一步進(jìn)行判別所屬類別的高校分別有64所和8所,88.90%的高校參與了本次的分析判別,11.10%的高校在分類變量所能夠控制的范圍以外。

        現(xiàn)將樣本高校共64所根據(jù)警戒限分為三類。一類高校共有48所,財(cái)務(wù)狀況良好,警戒限為輕警,;二類學(xué)校共有12所,財(cái)務(wù)狀況一般,警戒限為中警;三類高校共有4所,財(cái)務(wù)狀況非常差,警戒限為巨警。2.2變量設(shè)計(jì)

        共劃分為三種指標(biāo)體系。即償債能力指標(biāo)體系、運(yùn)作績(jī)效指標(biāo)體系和收益能力指標(biāo)體系??紤]到財(cái)務(wù)風(fēng)險(xiǎn)的來源-負(fù)債,將償債能力指標(biāo)體系作為總評(píng)價(jià)指標(biāo)體系的最重要主體,再在運(yùn)行績(jī)效指標(biāo)體系和收益能力指標(biāo)體系兩種輔助指標(biāo)的補(bǔ)充下,初步設(shè)置原始變量。

        三、建立模型

        選取徑向基核函數(shù)作為SVM預(yù)測(cè)模型的內(nèi)積核函數(shù),再使用M

        ATLAB工具箱將SVM預(yù)測(cè)模型建立起來并進(jìn)行必要的測(cè)算。

        (一)選擇核函數(shù)

        建立SVM模型,對(duì)應(yīng)核函數(shù)g與懲罰參數(shù)C的選擇是其中最為關(guān)鍵的。通過合理選擇,一定程度上會(huì)對(duì)模型本身推廣能力和精度造成直接影響。當(dāng)下,幾種比較常用的核函數(shù)形式如下:

        1.多項(xiàng)式核函數(shù);

        2. 徑向基核函數(shù),在一定程度上與SVM相對(duì)應(yīng),主要是徑向基函數(shù)分類器的一種;

        3. Sigmoid核函數(shù)[K(xi,x)],SVM能夠建立1個(gè)具備多層感知器的神經(jīng)網(wǎng)絡(luò)模型,再在自動(dòng)算法的基礎(chǔ)上確定網(wǎng)絡(luò)權(quán)值域隱層節(jié)點(diǎn)的數(shù)目。

        參數(shù)(C,g)在很大程度上可以直接決定1個(gè)基于徑向基核函數(shù)的SVM性能,由于所選取的C與g不同,相應(yīng)的所得到的SVM也會(huì)有顯著的差異。所謂的K層交叉檢驗(yàn)是將各類初始數(shù)據(jù)隨機(jī)地劃分成K組,然后選取其中1個(gè)作為檢驗(yàn)集。訓(xùn)練集就是余下的K-1個(gè)。最后得到的模型共有K個(gè),再對(duì)K個(gè)模型的最終檢驗(yàn)集的平均參數(shù)當(dāng)做是評(píng)價(jià)K-CV分類器性能的重要指標(biāo)?;贙-CV能夠有效避免欠學(xué)習(xí)和過學(xué)習(xí)狀態(tài),比較具有說服力,因此選擇參數(shù)K-CV。計(jì)算后得知,核函數(shù)最佳參數(shù)g=0.345355,懲罰最佳參數(shù)C=45. 4825。

        (二)建立模型

        將自變量X[0,1],分類變量y[-1,1] ,懲罰參數(shù)C =45. 4825,核函數(shù)參數(shù)g = 0.345355,統(tǒng)一做歸一化處理,由此得到SVM 模型。再使用SVM模型,預(yù)測(cè)和分析檢驗(yàn)樣本,最后得到檢驗(yàn)樣本SVM 模型。

        結(jié)果顯示,其具備較高的預(yù)警模型精度。當(dāng)訓(xùn)練樣本數(shù)為60和檢驗(yàn)樣本數(shù)為4個(gè)時(shí),便需要預(yù)測(cè)檢驗(yàn)樣本,其判別的準(zhǔn)確率高達(dá)100.00%,錯(cuò)誤率為0.00%;當(dāng)訓(xùn)練樣本和檢驗(yàn)樣本的數(shù)目分別為58個(gè)和6個(gè)時(shí),便需要預(yù)測(cè)檢驗(yàn)樣本,同時(shí)準(zhǔn)確率為71.43%,錯(cuò)誤率為28.57%,檢驗(yàn)樣本的預(yù)測(cè)分類與實(shí)際分類不相符的數(shù)目只有1個(gè)。簡(jiǎn)而言之,該模型能夠取得較好的預(yù)測(cè)效果。

        (三)比較應(yīng)用效果

        通過比較BP神經(jīng)網(wǎng)絡(luò)模型和SVM模型的判別結(jié)果,可以得出以下結(jié)果。

        利用兩種方法進(jìn)行判別的結(jié)果是一致的,分類正確率都比較高。其中最高的當(dāng)屬SVM模型(1),檢驗(yàn)樣本判別正確率在分類1的情況下可以實(shí)現(xiàn)100.00%,SVM模型(2)比BP神經(jīng)網(wǎng)絡(luò)模型高3.33%。BP神經(jīng)網(wǎng)絡(luò)模型判別正確率與SVM模型相比,準(zhǔn)確率下降的更快。由此得知,SVM模型預(yù)測(cè)精度非常高,具備很好的推廣價(jià)值。

        四、結(jié)語

        經(jīng)過各項(xiàng)實(shí)證研究證明,基于支持向量機(jī)的高校財(cái)務(wù)困境預(yù)警模型在樣本數(shù)據(jù)比較小情況下能夠準(zhǔn)確進(jìn)行科學(xué)預(yù)測(cè),原因如下:

        1.它能擺脫掉傳統(tǒng)單元與多元判別模型方法本身的局限性,以線性函數(shù)為依據(jù),突破判別模型的限制;

        2.提高有限樣本的針對(duì)性,利用BP神經(jīng)網(wǎng)絡(luò)模型和非線性函數(shù)對(duì)樣本數(shù)據(jù)進(jìn)行擬和;

        3.在非線性變換的幫助下,促使輸入向量朝著到高維特征空間方向轉(zhuǎn)化,進(jìn)而對(duì)原空間中的非線性函數(shù)進(jìn)行科學(xué)判別,以此保障模型具有良好的推廣能力;

        4.在最小化樣本點(diǎn)誤差的基礎(chǔ)上,保證模型泛化誤差,提高模型泛化能力。

        綜上所述,本文從線性可分SVM、線性不可分SVM以及非線性SVM的角度出發(fā),介紹了SVM的原理和算法,完成了樣本研究和原始變量設(shè)置、篩選。并在此基礎(chǔ)上進(jìn)行深入思考,并得出重要結(jié)論:SVM模型具有較為簡(jiǎn)單的分類面、較強(qiáng)的泛化能力以及較高的擬合精確度。(作者單位:沈陽農(nóng)業(yè)大學(xué))

        猜你喜歡
        困境分類財(cái)務(wù)
        黨建與財(cái)務(wù)工作深融合雙提升的思考
        分類算一算
        論事業(yè)單位財(cái)務(wù)內(nèi)部控制的實(shí)現(xiàn)
        困境
        文苑(2020年12期)2020-04-13 00:54:08
        欲望不控制,財(cái)務(wù)不自由
        分類討論求坐標(biāo)
        數(shù)據(jù)分析中的分類討論
        教你一招:數(shù)的分類
        水利財(cái)務(wù)
        “鄰避”困境化解之策
        人妻少妇精品无码系列| 国产女人高潮叫床视频| 少妇白浆高潮无码免费区| 91精品国产91久久久无码95| 精品国产一品二品三品| 男女主共患难日久生情的古言 | 不卡av电影在线| 美女大量吞精在线观看456| 国产精彩刺激对白视频| 亚洲日产乱码在线中文字幕| 日本人妻三级在线观看| 国产极品裸体av在线激情网| 人妻激情另类乱人伦人妻| 精品国产AⅤ一区二区三区4区 | 国产亚洲一区二区毛片| 亚洲av色影在线| 欧美激情a∨在线视频播放| 午夜久久精品国产亚洲av| 精品国产亚洲av高清日韩专区| 五月av综合av国产av| 日日干夜夜操高清视频| 成美女黄网站18禁免费| 久久国产精品一区av瑜伽| 少妇粉嫩小泬喷水视频www| 久久永久免费视频| 在线观看人成网站深夜免费| 国产欧美va欧美va香蕉在线| 在线精品一区二区三区| 在线观看亚洲精品国产| 成人自拍偷拍视频在线观看| 妺妺窝人体色www看人体| 亚洲人成网站在线观看播放| 久久高潮少妇视频免费| 亚洲亚色中文字幕剧情| 久久国产精品偷任你爽任你| 久久99精品久久久久久| 国产美女久久久亚洲综合| 在线日本看片免费人成视久网| 成人免费一区二区三区| 国产精品白浆视频免费观看| 亚洲综合在不卡在线国产另类|