基于GMDH与dce-GMDH算法的上市公司财务危机预测研究

石 峰，胡 燕

(1.湖南工程学院 管理学院，湖南 湘潭 411104；2.中南大学 法学院，湖南 长沙 410012)

对于投资者和其他利益相关者而言，预测上市公司的上市状态至关重要。在我国证券市场，特别处理的股票除了涨跌幅度受到限制以外，其股票名称之前还须注释为“ST”。如果该ST企业仍然持续亏损，将面临被退市的风险。现有研究倾向于应用二进制分类将上市状态分为ST和非ST两类，以便于计量。国外关于上市公司的财务危机预测研究，主要运用支持向量机、决策树、判别分析、神经网络等二进制分类模型进行。国内针对上市公司的财务危机预测研究，主要运用判别分析、逻辑回归、聚类分析和生存分析等传统的分类预测方法。然而这些预测方法通常需要做出假设，例如逻辑回归中要求logit(p)和自变量之间存在线性关系；判别分析中要求各变量相互独立，且服从多元正态分布。因此，当自变量的数量逐渐增多且高度相关时，这些预测方法的估计结果往往会出现偏误。另外，已有研究在指标选择上，主要选取偿债能力、营运能力、盈利能力、成长能力、现金流量和资产结构等方面的少量财务指标，具有一定主观性。

分组数据处理方法(Group Method of Data Handing， GMDH)型神经网络算法是用于对复杂系统进行建模的自组织算法，多种分类集合的GMDH(dce-GMDH)算法是集支持向量机(svm)、随机森林(rf)、朴素贝叶斯(nb)、弹性网逻辑回归(en)、神经网络(nn)等分类器为一体的GMDH算法，二者被广泛应用于回归、分类、聚类和预测等研究领域。与以往应用于上市公司财务危机预测的方法相比，GMDH算法和dce-GMDH算法没有严格的假设限制。……