文摘
不断变化的内部和外部环境因素的企业,各个企业所面临的不确定性和风险增加,金融危机正在增加的可行性。金融危机预警研究可以帮助企业提前预防危险的发生,采取有效果的措施,确保企业的健康发展。如果一个严重的金融危机导致企业的破产,金融危机并不是突然的,而是一个循序渐进的过程。金融危机的发生不仅是一个预兆,也可预测的。因此,迫切需要解决的问题在中国的上市公司,如何我的消息与预警功能从大量的财务数据中生成企业的业务流程。数据挖掘技术的不断成熟就可以解决这个问题。基于协同过滤技术,分析了电网企业风险控制的优化模型和算法,具有十分重要的意义。研究后,该算法比传统算法的30%,这是合适的人尽皆知地使用。
1。介绍
在高度竞争的市场经济,对上市公司来说并不少见陷入困境,甚至宣告破产,由于金融风险。中国的股票市场经历了近十年的发展1]。面对股市的起伏,一些上市公司已经改变了从明星股垃圾股2]。面对日益复杂的经济环境,如增加竞争,从紧的货币政策,投资者信心的丧失,以及资本市场的波动,一个企业能否继续操作,以及当事人如何获得,信息快速响应时遇到困难是企业非常关心的问题,投资者,债权人,甚至国家监管机构,也是一个值得研究的课题3]。公司的严重的金融风险不仅会带来巨大的损失,企业的生产经营,但也带来巨大威胁有关利益相关者(4]。它将给投资者的目标是维护和增加的价值属性,甚至亏钱;银行不能按时收回贷款;政府安全监管部门面临的压力无序证券市场(5]。大多数外国研究在这个问题上把企业申请破产根据破产法作为标志来确定企业的财务危机,企业破产,金融危机定义为(6]。企业破产是指一种诉讼程序进行根据破产法当公司破产或与债权人未能达成协议在法院外(7]。以破产企业为进入财务困境的迹象,更容易确定研究样本,因为有一个明确的分界线(破产企业和其他nonbankrupt企业之间8]。事实上,发现上市公司的财务风险一直是一个过程,它需要很长时间从潜伏期到爆发期。在这长时间,我们可以通过一定的技术做出预测。换句话说,金融风险的上市公司并不突然,但一个酝酿和发展的过程。上市公司通常从一个正常的财务状况,逐步发展为财政困难,最后落入金融破产。因此,上市公司财务风险的发生不仅是一个预兆,但也完全可预测的。建立一个有结果的金融危机预警系统,来判断公司的经营状况根据市场绩效和财务信息的上市公司,并尽快让财务恶化的信号将帮助相关利益相关者做出科学决策,呼吁有关各方及时采取有效果的措施,降低风险和损失9]。面对金融风险的危害性增加上市公司在中国,这是一个至关重要的问题,大多数上市公司在中国需要解决如何与预警功能我的消息从大量的金融业务操作过程中生成的数据(10]。如果我们研究企业的破产行为从金融方面,显然是不恰当的限制问题不仅影响到金融领域,金融因素,结果不会令人满意。因此,一个更好的起点研究这个问题应该是预测公司的财务状况是否健康,不是是否会破产11]。可以说,任何上市公司的财务风险的发生是一个逐渐恶化的过程。十分重要的意义,我们可以及时发现财务风险,减少损失相关的投资者和债权人,并获取最大的利益,同时使运营商能够采取有效果的措施,改善政府当金融风险敞口发芽。通过分析和总结上市公司财务风险产生的原因和其金融特性在不同的时期,它具有重要的实用意义对运营商来说,投资者和债权人保护自己的利益,以及安全监管机构监控股票市场,维护市场的公平、规范(12]。我们认为,金融危机是指一个企业的财务状况可能在其生产经营经验。由于其糟糕的管理,企业失去偿付能力,财务状况恶化,发生支付危机。如果重大战略调整,如不采取重组和产权注入,企业将面临破产。尽管这似乎是不可避免的,一些企业将消失在激烈的市场竞争中,企业的死亡并不是一个一次性的事件,而是一个渐进和持续积累的过程。根据著名的企业生命周期理论,企业的发展大致可以分为四个阶段:萌芽阶段,成长阶段,成熟阶段,下降阶段。当一个企业进入下降阶段,其产品老化,其技术已经过时,它的市场已经饱和,等等,其竞争力被削弱,其盈利能力和偿债能力是越来越糟了。如果不能及时做出重大战略调整,它将慢慢陷入危险,最终破产和清算。数据挖掘技术的不断成熟和手段已经解决了这个问题,开辟了广阔的金融风险预警空间。
本文的创新在于以下几点:(1)介绍了协同过滤算法,这是本文的基础,所以我们应该有一个认知。协同过滤推荐系统技术是最受欢迎的技术,它不仅已深深在学术界得到提升,但也已经应用于工业。(2)介绍了k - means聚类的协同过滤算法,这是我们采用的具体途径协同过滤算法。基于k - means聚类的协同过滤集群消费者根据k - means聚类算法。其目的是将目标消费者和他们的集群从整个消费者,并减轻贫困可伸缩性和疲软的问题实现性能造成太大消费者。(3)介绍了模具的结构,这样我们就可以有一个模具的整体理解。财务预警要求可以预测企业的财务风险,因此所选指标也应预测,也就是说,未来金融风险的可能性可以通过分析历史数据预测企业经营活动中形成的,因此,建立预警模型可以预测企业的财务风险。
本文分为五个部分:
第一部分是本文的背景介绍和引进;第二部分是本文的相关研究,本文还提到。第三部分是关于引入协同过滤。第四部分是模具和实验结果,这是本文的重点。第五部分是结论。
2。相关工作
江泽民提出,应该引入人工神经网络分析方法,以克服传统经济预警模型的缺点当建立银行贷款风险预警系统13]。阿姆斯特朗提出利用神经网络理论建立财务预警模型(14]。Colak建议一个新的mold-ZETA模具来更准确地预测企业的财务失败。通过分析53破产企业和58 nonbankrupt企业从1969年到1975年,结果表明,该模具是明显优于Z模具(1968年15]。郭表示,金融危机被定义为“一个企业进入法律破产”(16]。杨和汉建议模具基于期权理论应用于财务危机预警研究[17]。施建议的多变量线性判别模型预警变量有严格的要求;即预警变量都必须符合严格的联合正态分布,但大多数企业的财务比率在现实经济生活不能满足这个需求(18]。妞妞等人认为,金融危机应该被定义为“一个严重的清算问题不能解决,除非一个经济实体的操作或结构是大规模重组”(19]。陆等人建议使用逻辑回归建立财务预警模型。研究结果表明,规模、财务结构(债务比率),经营业绩(属性或营运资本回报率比),和流动性(流动比率和速动比率)企业与金融风险的可行性[高度相关20.]。曼西等人认为,金融危机被定义为“一种经济现象”,即一个企业无法偿还到期债务或费用,包括从技术基金管理的失败破产和介于两者之间的21]。Galvez等人认为,神经网络系统应该使用有效果的预测公司的破产的准确性高达97% (22]。
预警分析上市公司的财务状况不仅是人们的关注的焦点从各行各业,但也为上市公司的未来发展至关重要的指导意义。数据挖掘可以处理企业的业务信息,快速有效地处理数据,找出恶化的财务目标,判断金融危机的不同阶段的企业。基于协同过滤技术,本文研究了电网企业风险控制的优化模型和算法,具有十分重要的意义。
3所示。协同过滤技术
3.1。协同过滤和建议
随着大数据和互联网的时代,它已经成为一个不可避免的趋势让人们进入信息过载的时代。全球数据的规模从最初的水平增加到目前的水平。与结构化数据相比,很容易储存在过去,非结构化数据的比例如音频、视频、图片、地理位置信息逐渐增加,达到80%左右。互联网有其独特的特点和优势。首先,它可以实现完整的资源共享;其次,可以通过互联网实现高效和方便的沟通;第三,互联网技术的发展取得了更好的公平。互联网信息的快速增长,一方面,使人们获得越来越多的信息资源,给人们带来了很大的便利。另一方面,人们常常困惑当面对大量的信息资源,他们需要花更多的时间和精力寻找有用的信息。“信息过载”的现象越来越严重。 Information overload is not only a unique question of the Internet, but also a similar phenomenon in real life, compared with the limited amount of message that the human brain can handle at the same time. That is to say, how to improve the message retrieval efficiency in the complicated message has become a research hotspot. The appearance of recommendation system just solves the question of data redundancy caused by long data. On the one hand, from the consumer’s point of view, it can avoid the waste of time and energy caused by searching for complicated data, and improve the consumer’s Internet experience; on the other hand, Internet service providers can accurately recommend the content they want to promote and recommend to consumers, thus realizing low-cost and high-return investment.
消费者信息是否得到显式跟踪和隐式跟踪,它可以表示为一个消费项目评分矩阵 。 是一个 - - - - - -顺序矩阵,代表消费者和的数量代表了条目的数量。显示跟踪的偏好信息,每个元素的矩阵表示消费者的评分值项目,其可能的值 , 是最低等级值(通常为1),是最大功率值(通常是5或7),然后呢表明,消费者没有额定项如表所示1。
我们相似之处 在消费者最近邻集 , , ,和 消费者组织的较高的相似性在降序排列。
人相关系数是 在哪里和代表两个消费者在消费空间; 表明之间的相似性和 ; 表明的共同评分项目集和 ,也就是说, ; 和 ,分别表示的评级和为项目 ;和显示所有项目的平均评级和 ,分别。
让代表消费者的得分向量和 ,分别,然后之间的相似性和是
消费者之间的相似性和是由以下公式计算:
个性化推荐系统是一个智能推荐系统对于大数据,从而使相应的电子商务平台为客户个性化决策支持。由于高效的决策机制和良好的推荐性能,个性化推荐系统已经广泛的用于各种平台。推荐系统是一个有效果的解决信息过载的问题。根据消费者的特点,它建议的目标,满足消费者的需求,实现个性化服务。推荐系统的根本原因可以为消费者提供有趣的消息是,它依赖于消费者的历史行为来分析消费者的需求。简单地说,推荐的本质是链接外部信息通过一定的方法和手段。其中,协同过滤推荐系统技术是最受欢迎的技术,在学术界已深深改进和应用。最合作的巧合算法的基本思想是在消费者中,协作,根据数据提出建议的消费者具有相同属性或相似之处,这将大大增加密度的数据和推荐数据的可信度。通过改善这两个方面,数据稀疏和低可信度的问题解决,从而提高推荐的准确性。
3.2。基于协同过滤算法k聚类则
协同过滤算法有效果的缓解数据稀疏和提高推荐精度属于基于内存的协同过滤算法。为了找到邻居集类似于目标消费者,消费者需要遍历所有系统。然而,随着系统规模的不断扩大,新的消费者和项目将继续加入,和系统的缺点,如可伸缩性差,变得越来越严重。为了缓解这种情况,许多学者提出了基于模具协同过滤。基于k - means聚类的协同过滤的区别和通用协同过滤基于消费者的一步在于挖掘周边的消费者。无论什么样的模具是基于算法的共同点是使用历史数据训练模型,和模具的培训基本上是离线完成。与基于内存的协同过滤相比,协同过滤算法基于模具可以有效果的缓解前算法的缺点。特别是集群技术的优势,强大的可用性和良好的可扩展性等大规模数据集,大有收获能克服上述缺点。现在我们将研究k - means聚类的协同过滤。基于k - means聚类的协同过滤集群消费者根据k - means聚类算法。 Its purpose is to separate the target consumers and their clusters from the whole consumer set, and to alleviate the questions of poor scalability and weak implementation performance caused by too large consumer set. Clustering analysis is an exploratory analysis, which is a process of dividing chaotic data into different classes or clusters by certain standards. It is based on the idea of “birds of a feather flock together.” Through certain attributes such as Pearson distance, the similarity of targets within a class and the dissimilarity of targets between classes are as large as possible. Finally, through the clustering results, we can find some connection between data attributes.
下面是该算法的详细描述:步骤1:确定从一组初始质心 ,并设置它们 ,重心在哪里可以随机选择。步骤2计算距离noncentroid点和每个质心点之间。可以用欧氏距离来衡量的距离,如下所示: 步骤3noncentroid点分配给一组对应于最近的重心点, 。步骤4重复步骤2和3。步骤5直到重心不会改变或迭代停止条件,给出最终的聚类结果,算法结束。
聚类算法是人尽皆知地用在许多领域,如推荐系统、深入学习、智能计算。基于K - means聚类的协同过滤算法首先将消费者分为K集群通过消费者信息,直接减少了数据库与基于消费者的协同过滤算法。同时,挖掘你的邻居后消费者,只有前K个最近的邻居的结果(K远低于消费者的总数吗N)采用,这在某种程度上降低了算法的时间复杂度。我们可以直观地感受到操作效率的改进实验。将聚类算法引入到推荐的优势在于,搜索目标消费者只能进行集群包含目标消费者,而不是整个数据库中搜索。因此,建议可以提高速度。该算法可以减少集群的消费者的消费群体,在一定程度上提高效率的建议。简单的模具是通用的,它显示了良好的可伸缩性的大规模数据集。
4所示。模型的建立和实验结果
目前,国内外的研究主要致力于筛选财务比率或变量组合构建模具都是解释和稳定。统计数据挖掘技术起着至关重要的作用在建立财务危机预警模型,和金融危机早期预警的模具都是基于统计方法。判别分析是统计分析意味着歧视类别的研究目标。判别分析必须知道观察目标的分类和一些变量的值表示的特点,观察目标。判别分析筛选变量,可以提供更多的信息,建立判别函数,这样的误判率推导出判别函数当观测样本分类是最小的。数据挖掘系统的结构如图1。
从之前的实证研究,可以看出,大多数研究者都致力于筛选财务比率或变量组合构建模具都是解释和稳定。尽管研究人员正在试图证明他们所使用的变量是优于其他研究成果,目前还没有一致的结论,甚至用一致的方式筛选变量。金融预警指标体系的设计应能充分反映上市公司的财务状况方面的盈利能力、成长能力、偿债能力、资产管理能力、和现金流,以分析企业在各方面的能力,以便显示和判断企业的财务状况和未来的发展趋势尽可能全面。判别金融危机预警模型旨在研究两种类型的企业的分类。一个是金融危机的公司,另一个是公司财务健康。在此基础上,建立了判别函数歧视和分类任何公司、借款人和安全发行人。构建财务预警系统的步骤如图所示2。
为了扩大业务规模或满足业务的需要周转,几乎每一个上市公司的债务,但负债比率是不同的。高负债比率通常成为高风险行业,而低负债比率可能落入保守业务的刻板印象。作为金融风险预警的指标有很多,不可能包括所有的财务目标。如果太多的选择指标,resultfulness和实用性的模具将受到影响。单变量分析比较了公司的重要财务比率与同行业的标准,看看它们之间有很大的不同,财务比率分析和观察到的趋势来预测金融危机。无论债务水平,它是上市公司的基本前提到期时偿还他们的债务。如果上市公司无法偿还到期债务,这可能被债权人接管或破产法院审判。因此,财务目标与偿付能力通常作为重要指标来研究上市公司的财务风险。
假设用于记录上市公司的财务状况,金融危机发生时,它是记录为 ;如果金融危机没有发生,它将被记录 。 取决于另一个难以察觉的变量 ,而有一定的函数关系 与预测变量我们使用,这是假定为线性的简单的设计:
的价值确定事件发生,假设当 相当于 ,然后 相当于 。因此,事件的可行性 发生的是
为了估计公式 根据一定的样本,有必要选择一个特定的分布函数的可行性 。分布函数的可行性是 ,和可行性分布函数
从 ,公式 可以转换如下:
当样本是金融危机的公司, 。当rd样本点是一个非金融危机公司, 。
的索引变量nd样本点:
从 ,你可以得到
所选的财务风险预警指标应该能够获得通过计算上市公司的财务数据;也就是说,所选指标不仅要满足金融风险预警的目的,但也是支持的数据,每个数据指标所需的信息必须易于获得。否则,选择金融危机早期预警指标将失去任何实际意义,因为没有办法计算。失败的企业有更少的现金,但更多的应收账款。当现金和应收账款被添加在一起,包括在液体或当前属性,区分失败的企业和一个成功的企业将被掩盖。是上市公司的生存和发展的前提下,上市公司生存和基本条件的市场来维持生计。从市场的角度来看,长期亏损的上市公司时总是从市场撤回它就会耗尽所有资源。上市公司、投资者、债权人、经理人、甚至政府管理者越来越关注上市公司的盈利能力。如数据所示35,mold-based协同过滤算法中使用该算法优于传统的基于内容的协同过滤算法。随着游戏时间的增加和时间,由信息提供者欺诈逐渐收敛的可行性。
财务预警要求可以预测企业的财务风险,所以选择的指标也应预测;未来金融风险的可能性,可以通过历史数据的分析预测企业经营活动中形成的,因此,建立预警模型可以预测企业的财务风险。以总负债为基础考虑转换长期负债与流动负债之间的关系。然而,总负债只考虑负债的规模,而不是负债的流动性,即企业的债务结构。因此,有一个伟大的误判一些企业由于短期偿债能力处于危险之中。“全属性的索引”并不考虑组件的属性,和不同的房地产项目在业务流程中扮演不同的角色,这并不有利于预测企业的盈利能力属性。资产管理能力是用来衡量上市公司在物业管理的效率。上市公司的盈利能力是结果,而物业管理能力的原因。上市公司具有良好的性能应该有良好的物业管理能力。因此,财务目标反映了房地产管理能力也重要指标用于研究上市公司的财务风险。 As can be seen from Tables2- - - - - -4,数据6- - - - - -8,本文的算法是30%比传统的算法,它适用于被广泛的使用。当消费者向右移动时,它可以保持在一个高度稳定的水平。
选择预警指标可以敏感地反映出企业经营活动的变化;一旦发生危险因素,它们可以迅速体现在指标的值。多变量模型是一个多变量函数公式建立了利用多元模具的概念;也就是将企业的各种财务指标的加权和聚合生成的总判别分企业预测金融危机的可能性。多变量模型可以被看作是单变量模型的扩展;也就是说,不同的财务目标是集成到一个模子刻出来的。企业财务风险预警指标体系的建设应该科学地根据企业财务风险的原因,设计和指标体系应该能够使每个原因的科学描述。盈利能力是企业资本增值的能力,这是上市公司的生存和发展的前提,财务结构和经营绩效的综合体现。如果一个企业的盈利能力是稳定的,它将有足够的盈余可能会面临各种金融风险,金融危机的可能性会降低。因此,上市公司的盈利能力相关的财务目标也作为重要指标,建立金融风险预警模型。
5。结论
金融危机的本质是集中爆发的大规模和高强度的金融风险,主要表现在极端恶化的财务状况,支付危机,甚至破产。一般而言,在中国上市公司的财务数据可以预测未来的金融风险的可行性;也就是说,在中国上市公司的财务目标包含特定的消息内容,和消费者的金融数据可以准确预测财务风险是否会发生在未来根据提供的信息资产负债表,利润表,现金流量表的上市公司。从金融的角度来看,金融危机是指一个企业丧失偿债能力,也就是说,其无力偿还到期债务,如破产、违约优先股股息,和无法偿还债务。mold-based应用协同过滤技术金融消息处理和金融危机预警的准确性大大提高金融危机预警、消除许多外部干扰因素,使更多的财务数据中隐藏的信息。研究后,该算法比传统算法的30%,这是合适的人尽皆知地使用。
数据可用性
可以访问的数据集。
的利益冲突
作者宣称没有利益冲突。