基于一种优化权重的K-近邻算法的缺失财务数据组合填补

在对上市公司进行财务分析时,相关财务数据的完整性对数据分析意义重大.针对这些非随机性缺失财务数据的填补,将基于明考夫斯基距离,根据近邻原理找出与缺失数据同类的相似样本,作为一个新的训练数据集;然后提出一种优化权重的K-近邻算法(OKNN算法),对上述的相似样本给予各个指标组合权重系数值;最后根据优化的权重系数对提出的新算法进行实例验证,结果证实提出的OKNN组合填补方法优于经典的KNN算法和加权的KNN算法距离填补法.