• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      基于SMOTE-隨機(jī)森林的互聯(lián)網(wǎng)金融公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型

      2020-12-30 07:06:38李玉占
      經(jīng)濟(jì)研究導(dǎo)刊 2020年33期
      關(guān)鍵詞:隨機(jī)森林

      摘 要:以我國(guó)的互聯(lián)網(wǎng)金融上市公司為研究樣本,在目前國(guó)內(nèi)外對(duì)于企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警研究的基礎(chǔ)上,結(jié)合互聯(lián)網(wǎng)金融公司的特點(diǎn),利用SMOTE算法并與隨機(jī)森林相結(jié)合,建立互聯(lián)網(wǎng)金融公司的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型。研究表明,隨機(jī)森林預(yù)警模型有著穩(wěn)定的識(shí)別精度和較好的預(yù)測(cè)性能,因此具有廣泛的實(shí)踐價(jià)值。

      關(guān)鍵詞:SMOTE算法;隨機(jī)森林;財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警

      中圖分類號(hào):F832? ? ? ? 文獻(xiàn)標(biāo)志碼:A? ? ? 文章編號(hào):1673-291X(2020)33-0079-02

      引言

      近些年來(lái),隨著網(wǎng)絡(luò)的蓬勃發(fā)展,現(xiàn)代社會(huì)已經(jīng)變成一個(gè)信息社會(huì)。相對(duì)于傳統(tǒng)的企業(yè),中國(guó)的互聯(lián)網(wǎng)金融企業(yè)以其迅速、靈活以及個(gè)性化的特點(diǎn)迅速發(fā)展。但一方面,互聯(lián)網(wǎng)金融企業(yè)在面對(duì)風(fēng)險(xiǎn)時(shí),處理風(fēng)險(xiǎn)的時(shí)間也大大縮短。另一方面,互聯(lián)網(wǎng)金融公司發(fā)展時(shí)間較短,相關(guān)部門的監(jiān)管機(jī)制也不夠完善,公司出現(xiàn)財(cái)務(wù)風(fēng)險(xiǎn)會(huì)對(duì)整個(gè)互聯(lián)網(wǎng)金融行業(yè)造成嚴(yán)重的不良影響,有的甚至可能對(duì)整個(gè)社會(huì)造成不利影響。因此,相關(guān)監(jiān)管部門應(yīng)該對(duì)企業(yè)進(jìn)行評(píng)級(jí),對(duì)于有財(cái)務(wù)風(fēng)險(xiǎn)的企業(yè)加強(qiáng)監(jiān)管,以減少上述問(wèn)題的出現(xiàn)。

      本文首先運(yùn)用SMOTE算法對(duì)原始數(shù)據(jù)進(jìn)行平衡處理,然后通過(guò)隨機(jī)森林算法進(jìn)行財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型的建立。試驗(yàn)結(jié)果表明,本文的方法可以有效解決ST公司樣本過(guò)少所導(dǎo)致的數(shù)據(jù)不平衡問(wèn)題,從而使互聯(lián)網(wǎng)金融公司存在的財(cái)務(wù)風(fēng)險(xiǎn)能夠被及時(shí)預(yù)警,尤其是在對(duì)ST公司的風(fēng)險(xiǎn)預(yù)警上。本文旨在使預(yù)警模型可以為更多的企業(yè)服務(wù),也為監(jiān)管部門提供有效的參考數(shù)據(jù)。

      一、互聯(lián)網(wǎng)金融公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型的構(gòu)建

      1.模型構(gòu)建。原始數(shù)據(jù)集的平衡程度對(duì)隨機(jī)森林模型的預(yù)測(cè)準(zhǔn)確度具有較大的影響,而SMOTE算法能夠?qū)υ紨?shù)據(jù)集進(jìn)行平衡,從而提高隨機(jī)森林的分類精準(zhǔn)度。因此,將SMOTE算法與隨機(jī)森林相結(jié)合可以充分發(fā)揮兩者的優(yōu)勢(shì),達(dá)到更準(zhǔn)確的預(yù)測(cè)效果。故本文擬利用SMOTE-隨機(jī)森林模型對(duì)互聯(lián)網(wǎng)金融公司的財(cái)務(wù)風(fēng)險(xiǎn)狀況進(jìn)行預(yù)測(cè)研究,具體的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警過(guò)程(如圖1所示)。

      2.樣本選取及數(shù)據(jù)處理。本文選取包含3家ST公司和60家正常經(jīng)營(yíng)的共計(jì)63家互聯(lián)網(wǎng)金融上市公司作為研究對(duì)象,以63家互聯(lián)網(wǎng)金融公司2017—2019年每個(gè)季度的財(cái)務(wù)數(shù)據(jù)作為研究樣本,經(jīng)刪除部分缺失值后,共得到752組數(shù)據(jù),其中ST公司32組,正常公司720組。ST公司是指,因公司連續(xù)兩年虧損而被證交所特別處理的公司,可以視為有較高的財(cái)務(wù)風(fēng)險(xiǎn)(銳思數(shù)據(jù)庫(kù))。

      3.預(yù)警指標(biāo)的選擇。本文在選取財(cái)務(wù)指標(biāo)時(shí),首先參考了趙囡等人的研究,在該論文中的18個(gè)指標(biāo)已經(jīng)通過(guò)顯著性檢驗(yàn);然后考慮楊淑娥和王樂(lè)平選取的23個(gè)財(cái)務(wù)指標(biāo);最后,結(jié)合隨機(jī)森林自身的算法特性。本文最終采用七大類共計(jì)27個(gè)財(cái)務(wù)指標(biāo)作為研究變量,這27個(gè)財(cái)務(wù)指標(biāo)分別體現(xiàn)了互聯(lián)網(wǎng)金融公司的每股指標(biāo)、營(yíng)運(yùn)能力、盈利能力、償債能力、現(xiàn)金流量、資本結(jié)構(gòu)和成長(zhǎng)能力,可以充分反映互聯(lián)網(wǎng)金融公司的財(cái)務(wù)狀況。

      4.數(shù)據(jù)的平衡處理。因?yàn)轭A(yù)警指標(biāo)中3家ST公司的數(shù)據(jù),60家正常公司的數(shù)據(jù),是比較嚴(yán)重的不平衡數(shù)據(jù),為了解決非平衡數(shù)據(jù)對(duì)隨機(jī)森林模型的影響,本文用SMOTE算法對(duì)不平衡數(shù)據(jù)進(jìn)行平衡處理,之后再應(yīng)用隨機(jī)森林進(jìn)行分類,具體的流程(如圖2所示)。

      平衡前,訓(xùn)練集含有500組正常公司的數(shù)據(jù),20組ST公司的數(shù)據(jù),測(cè)試集含有220組正常公司的數(shù)據(jù),12組ST公司的數(shù)據(jù)。經(jīng)SMOTE算法平衡數(shù)據(jù)以后,新的訓(xùn)練集含有270組正常公司的數(shù)據(jù),200組ST公司的數(shù)據(jù),比例接近1∶1。

      二、實(shí)證研究

      1.變量重要性分析。分別采用平均準(zhǔn)確率的減少和平均不純度的減少方法,對(duì)變量進(jìn)行重要性分析。結(jié)果發(fā)現(xiàn),銷售凈利率,每股凈資產(chǎn)以及凈資產(chǎn)增長(zhǎng)率在兩種重要性分析中均為前三,且重要性程度較高。因此對(duì)于企業(yè)來(lái)說(shuō),應(yīng)該著重關(guān)注這三個(gè)財(cái)務(wù)指標(biāo),使其準(zhǔn)確體現(xiàn)公司的財(cái)務(wù)狀況。

      2.預(yù)測(cè)結(jié)果分析。圖1和圖2分別為基于SMOTE-隨機(jī)森林預(yù)警模型和數(shù)據(jù)平衡處理流程,通過(guò)對(duì)測(cè)試樣本進(jìn)行100次預(yù)測(cè),選取平均值作為最終的預(yù)測(cè)結(jié)果。我們列出了實(shí)際值和模型預(yù)測(cè)值之間的混淆矩陣。從下表中我們可以看出,未經(jīng)平衡處理的數(shù)據(jù)構(gòu)建的隨機(jī)森林模型,總體預(yù)測(cè)準(zhǔn)確率達(dá)到95.27%,對(duì)ST公司的預(yù)測(cè)準(zhǔn)確率卻只有46.17%,而經(jīng)SMOTE算法平衡后的數(shù)據(jù)構(gòu)建的隨機(jī)森林模型,對(duì)ST公司的預(yù)測(cè)準(zhǔn)確率就高達(dá)76.41%,總體準(zhǔn)確率為97.35%。從預(yù)測(cè)結(jié)果來(lái)看,此預(yù)測(cè)模型作為互聯(lián)網(wǎng)金融公司的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型,是一個(gè)比較理想的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型,有著較好的穩(wěn)定性和實(shí)踐價(jià)值。

      三、結(jié)論與建議

      通過(guò)用SMOTE-隨機(jī)森林建立的互聯(lián)網(wǎng)金融公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型,可以得出以下結(jié)論與建議。第一,通過(guò)參考本文建立的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型,監(jiān)管部門以及投資者可以將互聯(lián)網(wǎng)金融公司財(cái)務(wù)風(fēng)險(xiǎn)的狀況作為參考,然后進(jìn)行選擇,以此減少一些財(cái)務(wù)損失;銀行也可以有選擇性地進(jìn)行放貸。第二,政府相關(guān)監(jiān)管部門應(yīng)該加強(qiáng)監(jiān)管和信息披露機(jī)制,完善相關(guān)的法律法規(guī)。例如,要求公司公布公司的股東和經(jīng)營(yíng)狀況等信息,這些信息不涉及企業(yè)的機(jī)密,同時(shí)也可以為后期進(jìn)行財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警提供數(shù)據(jù)支持和依據(jù)。

      參考文獻(xiàn):

      [1]? 趙囡,趙哲耘.基于PCA-BPNN的互聯(lián)網(wǎng)公司信用風(fēng)險(xiǎn)預(yù)警模型[J].上海經(jīng)濟(jì),2018,(3):97-107.

      [2]? 楊淑娥,王樂(lè)平.基于BP神經(jīng)網(wǎng)絡(luò)和面板數(shù)據(jù)的上市公司財(cái)務(wù)危機(jī)預(yù)警[J].系統(tǒng)工程理論與實(shí)踐,2007,(2):61-67.

      [3]? Leo Breiman.Random Forests[J].Machine Learning,2001,(1).

      [4]? James A.Ohlson.Financial ratios and the probabilistic prediction of bankruptcy[J].Journal of Accountancy,1980.

      [5]? Gordy M.B.A comparative anatomy of credit risk models[J].Journal of Banking and Finance,(24):119-149.

      [6]? Leshno Moshe,Spector Yishay.Neural network prediction analysis the bankruptcy case[J].Neurocomputing,1996,(2):125-147.

      [7]? 蔡立新,李嘉歡.大數(shù)據(jù)時(shí)代企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警機(jī)制與路徑探究[J].財(cái)會(huì)月刊,2018,(15):38-43.

      [8]? 于煥杰,杜子芳.基于隨機(jī)森林的企業(yè)監(jiān)管方法研究[J].管理世界,2017,(9):180-181.

      [9]? 吳悠悠.我國(guó)互聯(lián)網(wǎng)金融:?jiǎn)栴}、前景和建議[J].管理世界,2015,(4):170-171.

      [責(zé)任編輯 文 峰]

      收稿日期:2020-04-09

      作者簡(jiǎn)介:李玉占(1969-),男,河南南陽(yáng)人,科長(zhǎng),從事市場(chǎng)營(yíng)銷研究。

      猜你喜歡
      隨機(jī)森林
      隨機(jī)森林算法在中藥指紋圖譜中的應(yīng)用:以不同品牌夏桑菊顆粒指紋圖譜分析為例
      基于隨機(jī)森林的登革熱時(shí)空擴(kuò)散影響因子等級(jí)體系挖掘
      基于隨機(jī)森林的HTTP異常檢測(cè)
      個(gè)人信用評(píng)分模型比較數(shù)據(jù)挖掘分析
      隨機(jī)森林在棉蚜蟲(chóng)害等級(jí)預(yù)測(cè)中的應(yīng)用
      基于二次隨機(jī)森林的不平衡數(shù)據(jù)分類算法
      軟件(2016年7期)2017-02-07 15:54:01
      拱壩變形監(jiān)測(cè)預(yù)報(bào)的隨機(jī)森林模型及應(yīng)用
      基于隨機(jī)森林算法的飛機(jī)發(fā)動(dòng)機(jī)故障診斷方法的研究
      基于奇異熵和隨機(jī)森林的人臉識(shí)別
      軟件(2016年2期)2016-04-08 02:06:21
      基于隨機(jī)森林算法的B2B客戶分級(jí)系統(tǒng)的設(shè)計(jì)
      双城市| 正定县| 拉孜县| 皮山县| 涞水县| 建瓯市| 于田县| 甘孜县| 新平| 都安| 清水河县| 延寿县| 寿阳县| 五大连池市| 八宿县| 措勤县| 博湖县| 灵山县| 成都市| 五指山市| 和田市| 南宁市| 花莲县| 尉犁县| 鱼台县| 凤凰县| 桑日县| 莒南县| 泾川县| 陇川县| 永丰县| 平乡县| 临泉县| 葵青区| 崇信县| 长丰县| 沧州市| 张家港市| 托克逊县| 方山县| 西充县|