批发零售业上市公司财务困境预警--基于RF-VNWOA-LSSVM模型

本文从国泰安数据库(CSMAR)选取2019—2022年度A股主板被ST或被*ST的33家批发零售业上市公司作为研究样本,选取20个财务指标和9个非财务指标,构建了预警指标体系。为消除非关键特征指标的影响,采用随机森林算法(RF)进行特征值筛选,将筛选的数据集应用于经过优化的LSSVM(最小二乘支持向量机)进行财务预测和预警。实验结果显示,相较于传统的PSO(粒子群优化算法)、GA(遗传算法)以及WOA(鲸鱼优化算法),采用VNWOA优化算法的分类精度分别提高了2.9个百分点、2.9个百分点以及4.35个百分点。综合应用了随机森林和VNWOA优化算法的RF-VNWOA-LSSVM模型在分类精度上相较于RF-费希尔判别法和BP神经网络分别提高了18.75个百分点、8.45个百分点。实验结果表明本文提出的RF-VNWOALSSVM预警模型可以对财务风险进行有效识别。