2008年 第 6 期
总第 478 期
总第 478 期
财会月刊(综合)
借鉴与参考
【作 者】
张杰 王凡
【作者单位】
北京工业大学经济与管理学院
【摘 要】
【摘要】针对传统信用风险评价模型只含有一个分类器的缺陷,本文利用AdaBoost组合分类器来对上市公司信用风险进行评价,并与基于支持向量机和神经网络的分类模型进行了效果比较。实证研究表明,组合分类器克服了单一分类器的诸多缺点,预测准确率高于单一分类器。
【关键词】组合分类器 AdaBoost 信用风险评价
一、信用风险及判别方法简述
信用风险是指在以信用关系为纽带的交易过程中,交易一方不能履行给付承诺而给另一方造成损失的可能性。自Altman 在企业财务危机及信用风险分析方面所做的开创性工作以来,多元统计分析特别是多元判别分析技术(MDA)获得了广泛应用。MDA 的最大优点在于其具有较好的解释性和简明性,其缺陷是设定有较严格的前提条件——要求数据服从多元正态分布和协方差矩阵相等。国外学者对MDA的缺陷从不同角度进行了改进,形成了两类模型,即统计模型和人工智能模型。