一种粒子群优化贝叶斯网络的财务预警方法
Particle Swarm Optimized Bayesian Network for Financial Early Warning
摘要: 群智能预测及其在企业财务危机预警中的应用研究具有重要的理论意义和实用价值。文中在在构建上市公司财务能力评价指标体系的基础上，提出一种粒子群优化贝叶斯网络参数学习的财务预警方法，经选取一组上市公司某三年数据分析，实验表明提出的算法在公司财务危机预警的平均正确率可获得较好的预测效果。
Abstract: It has important theoretical significance and practical value to swarm intelligent forecasting and its applications in financial early warning of enterprises. On basis of the construction of the evaluation index system of financial capability of corporation, this paper proposes a new method of financial early warning by cooperating particle warm optimization into the parameter learning of Bayesian network. The experimental results on the data of a group of listing companies and comparisons have shown that the proposed algorithm has better effectiveness and the average correct rate in the financial crisis early warning.
文章引用：徐明鹃, 徐绍双. 一种粒子群优化贝叶斯网络的财务预警方法[J]. 计算机科学与应用, 2016, 6(3): 195-201. https://dx.doi.org/10.12677/CSA.2016.63025

参考文献

[1] Ades, A., Masih, R., Tenengauze, D., et al. (1998) A New Framework for Predicting Financial Crises in Emerging Markets. Goldman-Sachs, New York.
[2] 梁美健, 闫蔚. 企业财务预警的国内外研究综述[J]. 财会月刊, 2014(6): 104-106.
[3] Davide, F., Flavio, M.E.P., Eugenio, G., et al. (2015) Early Warnings Indicators of Financial Crises via Auto Regressive Moving Average Models. Communications in Nonlinear Science and Numerical Simulation, 29, 233-239. http://dx.doi.org/10.1016/j.cnsns.2015.05.002 [Google Scholar] [CrossRef] 
[4] 姜允志, 郝志峰, 张宇山, 等. 贝叶斯预测型进化算法[J]. 计算机学报, 2014, 38(8): 1846-1859.
[5] Ali, S.K. and Nermin, O. (2012) Financial Early Warning System Model and Data Mining Application for Risk Detection. Expert Systems with Applications, 39, 6238-6253. http://dx.doi.org/10.1016/j.eswa.2011.12.021 [Google Scholar] [CrossRef] 
[6] Li, S.J. and Wang, S. (2014) A Financial Early Warning Logit Model and Its Efficiency Verification Approach. Knowledge-Based Systems, 70, 78-87. http://dx.doi.org/10.1016/j.knosys.2014.03.017 [Google Scholar] [CrossRef] 
[7] 钱爱民, 张淑君, 程幸. 基于自由现金流量的财务预警指标体系的构建与检验[J]. 中国软科学, 2008(9): 148-155.
[8] 刘莹, 孙俊锁, 赵健. 模糊综合评价在财务预警中的应用[J]. 辽宁科技大学学报, 2013, 36(2): 159-165.
[9] Henry, D.H. and Roman, K. (2015) Ensemble Bayesian Forecasting System Part I: Theory and Algorithms. Journal of Hydrology, 524, 789-802. http://dx.doi.org/10.1016/j.jhydrol.2014.11.072 [Google Scholar] [CrossRef] 
[10] 吴冬梅, 朱俊. 基于支持向量机的财务危机预警模型[J]. 东北大学学报: 自然科学版, 2010, 31(4): 601-604.
[11] 张颖, 辜秋琴, 张成松. 战略性新兴产业上市公司财务风险智能预警研究[J]. 财会月刊, 2014(20): 31-35.
[12] 赵文平, 王园园, 张一楠, 等. 基于贝叶斯网络的上市公司财务风险预警模型[J]. 财会月刊, 2015(23): 66-69.
[13] Fioramanti, M. (2008) Predicting Sovereign Debt Crises Using Artificial Neural Networks: A Comparative Approach. Journal of Financial Stability, 4, 149-164. http://dx.doi.org/10.1016/j.jfs.2008.01.001 [Google Scholar] [CrossRef] 
[14] 刘澄, 胡巧红, 孙莹. 基于粗糙集——决策树的上市公司财务预警[J]. 财会月刊, 2012(6): 26-28.
[15] 宋晓娜, 黄业德, 张峰. 基于Logistic和主成分分析的制造业上市公司财务危机预警[J]. 财会月刊, 2016(3): 102-105.
[16] 刘遵雄, 黄志强, 郑淑娟, 等. 基于内点法的稀疏逻辑回归财务预警模型[J]. 计算机工程与设计, 2013, 34(6): 1998-2004.
[17] 鲍新中, 陶秋燕, 傅宏宇. 基于变量聚类和COX比例风险模型的企业财务预警研究[J]. 系统管理学报, 2015, 24(4): 126-132.
[18] 张亮, 张玲玲, 陈懿冰, 等. 基于信息融合的数据挖掘方法在公司财务预警中的应用[J]. 中国管理科学, 2015, 23(10): 170-179.
[19] 倪志伟, 薛永坚, 倪丽萍, 等. 基于流形学习的多核SVM财务预警方法研究[J]. 系统工程理论与实践, 2014, 34(10): 2666-2674.
[20] 陈建, 张杰. 基于增长管理的中小企业财务预警系统探讨[J]. 江苏理工学院学报, 2015, 21(1): 42-45.
[21] 宋彪, 朱建明, 李煦. 基于大数据的企业财务预警研究[J]. 中央财经大学学报, 2015(6): 55-64.
[22] 丁德臣. 混合HOGA-SVM财务风险预警模型实证研究[J]. 管理工程学报, 2011, 25(2): 37-44.
[23] 彭静, 彭勇. 基于粒子群算法和支持向量机的财务危机预警模型[J]. 上海交通大学学报, 2008, 42(4): 615-620.
[24] 吴翎燕, 韩华, 唐菲. 基于PSO-SVM的多分类财务预警模型[J]. 武汉理工大学学报(信息与管理工程版), 2013, 35(2): 265-268.