【作　　者】
刘 澄（博士生导师） 胡巧红 孙 莹

【作者单位】
（北京科技大学东凌经济管理学院 北京 100083）

【摘　　要】

      【摘要】 传统的财务预警研究往往把企业财务状况分成ST和非ST两类，过于笼统。为此本文首先运用聚类的方法把138家制造业上市公司分为财务状况健康、良好、一般、预警和危机5个层次，这使得对企业财务预警的研究更贴合实际，并且使实证研究结果更加准确。然后运用粗糙集中的变精度加权平均粗糙度来构造决策树的改进算法，对这些公司进行分类，进而提出公司财务状况预警的规则，这样生成的决策树财务预警规则防噪声能力更强，分类效果更好。
【关键词】 决策树   粗糙集   财务预警

 一、有关财务危机预测的研究方法
财务危机预测模型是由Beaver最早提出来的，之后许多预测方法被用于公司财务危机预测研究。20世纪60年代主要是Beaver和Altman分别采用单变量判别分析和多变量判别分析进行财务危机预警研究。20世纪80年代，Ohlson首先将Logistic模型应用于财务预警领域，20世纪90年代神经网络又被引入财务危机预测。20世纪80年代，Frydman等将决策树引入了财务预警研究中，决策树（DT）在解决分类问题上具有简单和易于理解的优点。
决策树是一种对大量数据集进行分类的非常有效的方法，通过决策树的构造模型，从大量信息中挖掘有效的数据，提取有价值的分类规则，从而获得有用的知识，帮助决策者准确预测。它的基本算法是贪心算法，采用自顶向下的递归方式构造决策树。
根据决策树增长的方法不同，学者们提出了很多经典的决策树算法。1986年J．R. Quinlan提出了决策树ID3算法，有人在此基础上提出了一些改进的SLIQ、SPRINT、CHAID等一些算法。这些算法运用也被运用到财务预警方面。姚靠华、陈晓红（2007）运用这些算法对我国上市公司的财务预警问题进行了研究。