基于OPRA与NTVE-PSO-PNN的财务危机预警模型研究

作者：王洪宝; 王福胜

来源：商业研究, 2013, (03): 160-167.

• 正交投影降维(OPRA)
• 概率神经网络(PNN)
• 粒子群(PSO)
• 财务危机预警 orthogonal projection reduction by affinity(OPRA)
• probabilistic neural network(PNN)
• particle swarm optimization(PSO)
• financial distress prediction(FDP)

财务危机预警是公司预测和防范财务危机的主要手段,为了提高财务危机预警模型的预测精度和执行效率,本文将局部线性嵌入(Locally Linear Embedding,LLE)方法引入传统的主成分分析(Principal Component Analysis,PCA),提出了一种正交投影降维方法 (Orthogonal Pro-jection Reduction by Affinity,OPRA),进行财务指标的选取和降维。OPRA方法不仅保持了财务指标数据在降维映射过程中的流形特征,还重构了正交投影数据。将概率神经网络(Probabilis-tic Neural Network,PNN)与非线性时间变量演化粒子群(Nonlinear Time-varying Evolution Parti-cle Swarm Optimization,NTVE-PSO)结合,提出了NTVE-PSO-PNN财务危机预警模型。在PNN神经网络财务危机预警训练时,本文采用NTVE-PSO方法确定PNN的优化结构。实验结果显示,OPRA能够获得较好的降维效果,NTVE-PSO-PNN算法提供了较好的预测精度和计算效率。

• 单位
  哈尔滨工业大学