正则化机器学习算法及其财务预警应用研究.pdf

分类号______________________________ 密级______________________________
ＵＤＣ______________________________ 编号______________________________

硕 士 学 位 论 文
正则化机器学****算法及其财务预警应用研究

学位申请人： 黄志强
学科专业： 计算机软件与理论
指导教师： 刘遵雄 教授




答辩日期：
独创性声明
本人郑重声明：所呈交的学位论文是我个人在导师指导下进行的研究
工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方
外，论文中不包含其他人已经发表和撰写的研究成果，也不包含为获得华
东交通大学或其他教育机构的学位或证书所使用过的材料。与我一同工作
的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢
意。


本人签名_______________日期____________



关于论文使用授权的说明
本人完全了解华东交通大学有关保留、使用学位论文的规定，即：学
校有权保留送交论文的复印件，允许论文被查阅和借阅。学校可以公布论
文的全部或部分内容，可以采用影印、缩印或其他复制手段保存论文。
保密的论文在解密后遵守此规定，本论文无保密内容。


本人签名____________导师签名__________日期___________
正则化机器学****算法及其财务预警应用研究
摘要
机器学****算法已广泛应用于财务危机预警建模。然而，随着对机器学****算法的不断
深入研究，发现其在构建模型时存在过拟合和模型系数非稀疏问题，所以考虑将统计学型。本文主要针对逻辑回归（Logistic Regression，LR）和支持向量机（Support Vector
Machine，SVM）提出各种改进的形式以及给出相应的求解算法，并且利用改进后的算
法来构建危机预报模型。
首先，介绍了课题研究背景与意义，并简要归纳了国内外预警建模方法的研究现状。
其次，较系统地介绍了 LR 算法和 SVM 算法，同时选取了 2010 年至 2012 年间的 78 家
A 股制造业上市公司作为样本公司，而且还选取了 29 个财务指标变量以及确定了样本
数据年份的选取。
接着，针对 LR 建模时存在过拟合和模型系数非稀疏问题，提出了平滑削边绝对偏
离（Smoothly Clipped Absolute Deviation，SCAD）惩罚 LR 的预警模型，并就该模型的
求解给出了实现算法，而且利用收集到的财务样本数据验证了 SCAD-LR 模型更具优越
性。还有，针对 L1 正则化 LR 问题的难解性，设计了一个高效的内点法，并通过仿