收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于AdaBoost-SVM的上市公司信用风险评估

肖磊  李丽  肖佳文  
【摘要】:本文基于对上市公司信用风险评估的需要,提出了基于AdaBoost增强算法的支持向量机模型。通过引入AdaBoost-SVM模型证明了AdaBoost增强算法能够有效增强弱学习器学习能力;SVM模型在小样本情况下的学习能力优于BPNN模型,从而验证了AdaBoost-SVM模型是一种效果较好的信用风险评估模型。

知网文化
【相似文献】
中国期刊全文数据库 前3条
1 张杰;王凡;;基于组合分类器的上市公司信用风险评价[J];财会月刊;2008年18期
2 唐迈;;基于错分类成本的AdaBoost客户流失预测模型研究[J];中国商界(上半月);2010年11期
3 王纯麟;何建敏;;基于AdaBoost的电信客户流失预测模型[J];价值工程;2007年02期
中国硕士学位论文全文数据库 前10条
1 高静;Adaboost-BP方法在企业信用评级中的应用研究[D];兰州商学院;2012年
2 何黎;基于Adaboost算法的制造业上市公司财务危机预警研究[D];武汉科技大学;2010年
3 王园;基于SVM_AdaBoost模型的上市公司退市预警研究[D];华南理工大学;2013年
4 詹财鑫;基于SVM_AdaBoost模型的股票涨跌实证研究[D];华南理工大学;2013年
5 许元红;基于增量分类方法的信用卡客户分析[D];华侨大学;2006年
6 彭雷;商业银行信用风险评估模型研究[D];山东财经大学;2012年
7 曹倩;异态集成学习方法在个人信用评估中的应用[D];哈尔滨工业大学;2011年
8 李新军;基于支持向量机的建模预测研究[D];天津大学;2004年
9 张晖;我国民营上市公司信用风险评估方法及实证研究[D];华北电力大学(河北);2010年
10 杜芸芸;基于数据挖掘的上市公司财务报告违规研究[D];西南财经大学;2013年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978