文档介绍：摘要创建一个适用和准确的财务预警模型,为决策者和金融业的监管是非常可取的。虽然生意失败预测(BFP),特别是银行世纪60年代末以来已被广泛研究的领域,这是决策支持方案已被忽略的一个关键步骤。本文介绍了财务预警模糊推理系统与神经网络的学****能力的模糊神经网络(FNN)来预测组织的财务状况相结合的新型模式,也适用于基于案例推理的模糊推理能力(FCBR)支持决策者衡量适当的解决办法。拟议的财务预警模型生成的自适应模糊规则库的预测目标情况下的财务状况和预测,如果它失败,FCBR被用来寻找类似存活病例。最后根据类似的情况和模糊规则库,模型提供财务决策,改变公司的目标,特别是在即将到来的一年,以避免未来的财务困境。
关键词:财务预警系统,模糊神经网络,基于案例模糊推理,生意失败预测。
1 导言
生意失败预测(BFP),长期以来一直在融资以及信息技术的广泛研究,是一个特定的数据分析模型,这应该回答一些基本问题,如作为一个金融预警模型:什么是显着的特点,可以描述遇险和健康的公司吗?这些功能的意义,如何进行评估和预测认为呢?什么是每个功能的类型和可能的值是什么?什么是数据集需要事先解决可能发生的问题是什么?多少预测的准确性是至关重要的,它是如何可以达到?更重要的利益和实际是什么样的预测?
要回答的特征选择问题,有许多研究纷纷推出不同的故障预测模型研究不同的功能集,在他们的模型。其中,从财务报表编制的财务比率被认为是企业目前的表现比财务报表上被广泛接受的个别项目有更好的措施,因为它可以使财务报表的信息更具吸引力。
至于其他上述问题,获得适当的预测精度一直在这一领域最重要的成就,并有各种统计和人工智能技术,这是用来建立一个准确的故障预测。其中,人工神经网络(ANN)已成为最流行的企业破产,由于其较高的预测精度预测技术之一。然而,神经网络,并没有被应用广泛,在金融公司,因为它是一般人难以建立模型。困难源于启发式设置许多参数。此外,它通常是很难解释为什么它会产生一个特定的结果,即解释能力较差。因此,有需要其他人工智能技术,具有良好的解释能力,以及较高的预测性能。 FNN与FCBR可能替代的人工神经网络,以纾缓上述限制,因为他们有能力以及合理准确地解释。利用这种故障预测技术,似乎是在这一领域的一个新的和有趣的研究方向,是因为故障预测不仅仅是一个经典的分类,并作为一个实用的系统,它应该提供更多的信息,支持和引导决策者。
在当前的BFP研究,包括利用模糊神经网络和FCBR的BFP模型,预测的准确性是主要的焦点。有研究缺乏的预测为基础的决策过程,以防止可能破产的决定。提出的模型,它考虑到所有提到的问题,在一个系统化的方法,试图去通过后,预测下一步。
本研究概述了财务预警模型采用与FCBR模糊神经网络的发展。它首先使用特征选择方法,找到最显着的特点,然后介绍了一种预处理方法,准备初始数据库,明显提高预测的准确性。随后,它提出了一个模糊神经网络预测目标情况下的财务状况。它也适用于集群的情况下,根据其在各组中的模糊规则库,即生存和失败,以减少为下一阶段的空间和复杂的问题域。然后,一个模糊的相似性方法,形成了一组,另一组规则之间的相似性关系。根据这种关系,任何一组的群集可以在另一组是最相似的群集的群集。在那之后,模糊优化方法应用于每对相关集群获得最佳的特征权重向量。最后