基于改进的MRMR算法和代价敏感分类的财务预警研究

针对上市公司财务预警数据呈现出的高维和不平衡的双重特性,基于改进的MRMR算法和代价敏感分类构建财务预警模型并进行实证分析。首先,为了克服财务预警数据的不平衡性对特征选择和分类的不利影响,使用组合采样技术SMOTE+ENN进行数据平衡化处理。其次,利用绝对值余弦度量构建改进的MRMR算法并进行特征选择。最后,将支持向量机、L2-逻辑回归和CART决策树及其对应代价敏感模型作为比较模型进行财务预警研究。通过大量实证分析显示,SMOTE+ENN的引入有效提升了ST公司样本及其对应特征的重要性。在不影响财务预警模型总体分类性能的前提下,改进的MRMR算法可以得到更为简洁的预测特征集,且组合模型MRMR_FDAQ+CSSVM的预测结果最优,因此建议优先将该模型应用于上市公司财务危机的预测。