[发明专利]非线性稀疏孪生支持向量机的企业破产预测系统及方法

说明书

本发明涉及一种非线性稀疏孪生支持向量机的企业破产预测系统及方法,包括：数据预处理模块，用于对收集的样本组成的训练集进行归一化处理并映射至核特征空间；数据训练模块，将经过归一化处理并映射至核特征空间后形成的数据带入模型中进行训练；数据预测模块，利用训练好的模型在测试集上进行预测。本发明可以提高对企业破产预测的效率及准确率。

技术领域

本发明涉及企业经营相关的技术领域，尤其是指一种非线性稀疏孪生支持向量机的企业破产预测系统及方法。

背景技术

进行破产预测，不仅是企业的责任，也是政府和其他信息使用者关心的问题。企业破产预测有利于企业找出问题症结，制定正确的战略性财务计划，防止破产；另一方面，企业破产预测也可为银行内部信用评级系统提供分类基础，定量化的风险评估与管理系统能够为金融机构提供有关客户和企业潜在商务失败的早期预警信号。

现有可以利用企业财务及经营等的相关数据，预测企业是否有破产的风险，即该过程可以看作一个数据的两分类问题。对于两分类问题，Jayadeva等人提出的孪生支持向量机(Twin support vector machine，TSVM)通过寻求两个不平行的平面，使得两类样本尽可能靠近其中一个平面而远离另一个平面，并利用这两个超平面来实现数据分类。但是该算法构造的模型不一定具有稀疏性且抗噪能力不太理想，也就是说模型可能会受到企业数据样本中一些贡献度较低的样本或一些噪音数据的影响，从而会导致分类器的泛化性能降低，也就是说会降低对企业破产预测的准确性。因此，如何提高对企业破产预测的准确性，是本领域的技术人员需要解决的问题。

发明内容

为此，本发明所要解决的技术问题在于克服现有技术中对企业破产预测的准确性低的问题，从而提供一种提高对企业破产预测准确性的非线性稀疏孪生支持向量机的企业破产预测系统及方法。

为解决上述技术问题，本发明提供了一种非线性稀疏孪生支持向量机的企业破产预测系统，包括：数据预处理模块，用于对收集的样本组成的训练集进行归一化处理并映射至核特征空间；数据训练模块，将经过归一化处理并映射至核特征空间后形成的数据带入模型中进行训练；数据预测模块，利用训练好的模型在测试集上进行预测。

在本发明的一个实施例中，所述数据预处理模块包括收集数据模块、训练集模块、归一化处理模块、以及映射模块，其中所述收集数据模块用于统计收集到的企业相关数据，将收集的样本组成训练集；所述训练集模块包括训练集D＝X₁∪X₂，其中X₁＝{x_1i|x_1i∈R^m,y_1i＝1,i＝1,...,n₁}是非破产企业的相关数据集合，X₂＝{x_2i|x_2i∈R^m,y_2i＝-1,i＝1,...,n₂}是破产企业的相关数据集合，每个样本的特征数为m，n₁是非破产企业的样本个数，n₂是破产企业样本个数，n＝n₁+n₂为训练集样本总数；所述归一化处理模块用于把所有的数据按照特征进行归一化处理，使特征值分布在[-1,1]区间中；所述映射模块利用高斯核函数将所述训练集D中的每个样本都映射到核特征空间。

在本发明的一个实施例中，所述训练集D中的X₁集合映射后数据表示为：X₂集合映射后数据表示为：其中高斯核为：定义X₁和X₂集合映射后的数据样本矩阵分别为和

在本发明的一个实施例中，所述模型包括判别函数：其中w₁和w₂为函数的权重向量，b₁和b₂为函数的偏差。