《基于数据推理和模式识别的财务困境预警模型.pdf》由会员分享，可在线阅读，更多相关《基于数据推理和模式识别的财务困境预警模型.pdf（6页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、第 3 3卷 第 6期 南京理工大学学报(自然科学版)2 0 0 9年 l 2月 J o u rn a l o I n j i n g U n i v e r s i t y o f S c i e n c e a n d T e c h n o l o g y(N a t u r a l S c i e n c e)Vo 1 3 3 No 6 De c 2 0 0 9 基于数据推理和模式识别 的财务困境预警模型 邓 敏，韩玉启 (南京理T大学 经济管理学 院，江苏 南京 2 1 0 0 9 4)摘要：通过对比研究，指出了基于统计分析方法的传统财务困境预警模型的缺陷，分析了基 于 数据演算推理
2、和模式识别的新兴财务 困境预警模型的特点。对 多个有代表性模型特点的分析 表明，新兴的财务 困境模型具有容错能力、动态适应性、人工智能和解释能力等特点，更适合 目 前公司错综复杂的财务状况：该文在分析结果的基础上，提 出了财务困境预警问题未来的研究 方 向?关键词：数 据推理；模式识 别；财务 困境；预 警模型 中图分类号：F 2 2 4 0 文章编号：1 0 0 5 9 8 3 0(2 0 0 9)0 6 0 8 3 3 0 6 Pr e-wa r n i n g M o d e l o f Fi n a n c i a l Di s t r e s s Ba s e d o n Ca l
3、c u l u s De r i v a t i o n a n d Pa t t e r n Re c o g n i t i o n DENG Mi n，HAN Yu q i (S c h o o l o f E c o n o m i c s a n d Ma n a g e me n t，N U S T，N a n j i n g 2 1 0 0 9 4，C h i n a)Ab s t r a c t：B y c o n t r a s t i v e s t u d y，t h e i n h e r e n t d e f e c t s o f t h e t r a d i
4、t i o n a l fin a n c i a l d i s t r e s s p r e wa r n i n g (F D P W)mo d e l s b a s e d o n t h e t r a d i t i o n a l s t a t i s t i c a n a l y s i s me t h o d a r e i n d i c a t e d T h e c h a r a c t e r i s t i c s o f t h e n o v e l mo d e l s b a s e d o n c a l c u l u s d e riv a
5、 t i o n a n d p a t t e r n r e c o g n i t i o n d e v e l o p e d r e c e n t l y a r e a n a l y z e d T h e r e s u l t s f r o m t h e a n a l y s i s o n t h e c h ma c t e r i s t i c s o f s e v e r a l r e p r e s e n t a t i v e FRP W mo d e l s s h o w t h a t t h e n o v e l F D P W mo
6、d e l s o w n s u c h c h a r a c t e ris t i c s a s h i g h f a u l t t o l e r a n c e a b i l i t y d y n a mi c a d a p t a b i l i t y a r t i fic i a l i n t e l l i g e n c e a n d e x p l a n a t i o n a b i l i t y a n d a r e mo r e s u i t a b l e f o r t h e c o mp l i c a t e d fin a n
7、 c i a l e v o l u t i o n i n mo d e n i c o mp a n i e s Th e f u t u r e d i r e c t i o n s a b o u t t h e FRPW a r e als o p r o p o s e d h e r e Ke y wor d s：c a l c u l u s d e r i v a t i o n；p a t t e r n r e c o g n i t i o n；fin a n c i a l d i s t r e s s；p r e wa r n i n g mo d e l s
8、财务困境又被称为公司失败或破产，其含义 可分为 3 个层次：失败，资本投资收益率 明显 并持续低于市场 同类投资；不能履行到期偿付 义 务，表现为流动性不足；破产，资产处于清算价格 状态及申请进入破产程序。从 2 0世纪末的亚洲 金融危机到当前 的全球经济危机，日益复杂多变 收稿 日期：2 0 0 8 0 91 8 修 回日期：2 0 0 91 01 5 基金项 目：南京理 工大学科研发展基金(X K F 0 7 0 7 0)作者简介：邓敏(1 9 6 8一)，女，博士生，高级会计师，主要研究方向：管理理论与方法，E-m a i l：d e n g m i n 2 2 8 S O 1 U e
9、o n l；通讯作者：韩玉启(1 9 4 5一)，男 教授，博士生导师，主要 研究 方向：管理理论 与方法，E-m a i l：h e i d i h a n m a i l n j u s t e d u c n 8 3 4 南京理工大学学报(自然科学版)第 3 3卷第 6期 的竞争环境使得陷入财务困境的公司数量越来越 多，公司管理者、债权人和投资者等都希望建立有 效的财务困境预警机制，及早采取行动止损。因 此，财务困境预警的研究一直是实务界和学术界 关注的热点问题。在国外，财务困境预警定量分析研究始于 2 0 世纪 6 O年代，已取得了比较成熟的研究成果。这 些研究成果大致可以划分为 2个
10、阶段：2 0世纪 6 0 8 0年代，形成了一些以统计方法为分析工具的 传统的财务 困境预警模型，2 0世纪 9 0年代以后，学者们开始探索使用新 的方法，主要是基于数据 演算推理和模式识别的新兴财务 困境预警模型。这些方法与传统方法相 比，具有一些鲜明的特点，体现了一定的优越性。相 比之下，国内对财务 困 境预测的相关研究 目前还只处于起步状态，基本 是处于验证已有方法在我国的适用性阶段。比较 有代表性的研究成果有：周首华等人 的 F分数 模型，陈静 的单变量分 析和二类线性 判定分 析，张玲 的二类线性判别模型，陈晓、陈怡鸿 的多元逻辑 回归模 型，杨保 安、季海等人 的前 馈神经网络模型
11、，黄继鸿等人 的基于案例推理 模型，曹德芳等人 的基于股权结构模 型，杨海 军等人。的基于模糊支持 向量机模 型，孙 洁等 人 的多分类器混合组合模型等。本文选取国外几种较为典型的新兴财务困境预 警模型神经网络模型(A r t i fi c i a l n e u r a l n e t w o r k，A N N)、多维标度模型(M u l t i d i m e n s i o n al s c al i n g m o d-e l，M D S)、累积和模型(C u m u l a t i v e S u n l m o d e l，C U S U M)、粗糙集分析(R o u g h s
12、 e t a n al y s i s，R S T)、固定 效应的面板数据 l o g i t 模型、遗传算法、生存分析、混 沌理论模型进行重点评析，综合阐述新模型的 特点，并对未来的研究方向进行展望。1 传统财务困境预警模型的缺 陷 传统的财务困境预警模型主要包括：单变量 判定模型、多元线性判定模型(Mu l t i p l e d i s c r i m i-n a t e a n a l y s i s，M D A)、A l t m a n的 z值判定模型(Z s c o r e模型、Z e t a模型、Z 值模型)、E d mi s t e r d的 小公司财务预警模 型、英 国的 T
13、 a f fl e r 的多变量模 式、日本开发银行建立的“利用经营指标进 行公 司风险评价 的破产模 型”、概 率模 型一 多元 逻辑(I g i t)回归模 型、多元概率 比回归模型，这些模 型的发展 已趋于成熟，但存在着难以克服的缺陷：(1)无法克服的分类错误。在利用单变量判 定模型进行预测时，选择分割点时不可避免地会 造成 I 类错误和 兀类错误，一般认为 I 类错误成 本 比 兀类错误成本高，但从不同的角度考虑，成 本高低是不同的：一般而言，从投资者和银行的角 度考虑，I 类错误成本要大于 兀类错误；而从受 诬陷和中伤的经营 良好的公 司的角度考虑，由于 借款者、顾客、供应商、股东或
14、其他投资人的不必 要的戒备状 态，会使 兀 类错误 的成本更 高。因 此，影响模型的有效性。(2)非随机取样。传统的财务 困境预警模型 针对每个失败公司，根据同行业、规模与公司存续 时间相近的原则，匹配一个或多个非失败公 司作 为配对样本。这种取样程序存在争议：假定先验 概率为 5 0，则远高于困境公司在总体 中的实际 比率。若样本中财务困境与非财务困境公司的比 率偏离总体中两类公司的比率，则会歪 曲模型的 预测能力。(3)建立 在一定 的假设之上。如 MD A假设 自变量服从正态分布、协方差矩阵相等、独立变量 之间完全线性补偿，但这并不总是成立的。L o g i t 回归分析虽然不考虑多元变
15、量 的正态分布，但是 它要求变量之间的完全线性补偿。(4)未考虑财务困境 的过程性。传统的财务 困境预警模型将失败作为一个以二分法表示的离 散事件，将所有公司泾渭分明地分为“财务危机”公司和“非财务危机”公司，忽略了财务危机的过 程性，不能反映阶段性 的动态信息。(5)未考虑财务数据的连续性。传统 的财务 困境预警模型在进行财务失败预测时，一般选取 被预测公司前 3年 的财务数据，然后分别预测。由于 3年内的数据相互之间没有联系，所在的会 计年度不同，得出的模型变量系数也就不同，因而 具有非连续性。如：M D A可用于提前 2年准确预 测上市公司破产 的可能性，但对于 2年以上的破 产预测未必
16、有用。公司不可能在一夜之间破产，因此，对财务数据进行纵向比较是非常重要的。2 新兴财务 困境预警模型评析 2 0世纪 9 0年代后，学者们开始探索使用新 的方法，这类方法在数据演算推理以及模式识别 方面具有强大功能，在公司财务 困境预警研究领 域发展很快。总第 1 6 9期 邓敏韩 玉启 基于数据推理和模式识 别的财务 困境预警模型8 3 5 2 1 A O d o u r 和 S h a r d a 1 2 最早把 B P神经 网络技术 应用于财务危机预测研究 中，结果显示神经网络 要优于当时的判别分析模 型：他们以 1 9 7 5年到 1 9 8 2年问的 6 5家失败公司与 6 4家正常
17、公司配 对，并将样本区分为训练样本与保留样本，以 A l t m a n的 z分数模型所使用的 5个财务比率为研究 变量，构建 A N N模型：结果发现，训练样本的判 别正确率高达 1 0 0，对保留样本失败类公司与 正常类 公 司 的预 测正 确 率 分 别 为 8 1 7 5 与 7 8 1 8，显示 A N N具有较佳的预测能力。2 2 M DS B i s h o p、Ma r M o l i n e r o和 T u r n e r 1 3 对一 家公 司 财务状况 的演变过程进行了案例研究 M D S的 独特之处是把企业 当作变量，而将属性(如财务 比率)作为案例：首先，根据距离矩
18、阵，以映射的 形式对数据结构生成 MD S图形。每个公司表示 为空间_ 匕 的一点，其位置由一组坐标决定。然后，运用 p r o F i t 方法将每一属性视为因变量，将公司 各维度坐标作为 自变量，从而找出每个维度表示 的含义：假设维数为 时，财务比率取值为。+1D1+2 D!+D +E r r o r，对于每个财务 比 率，回归结果组成了一个图像化的方向向量，向量 的终 点 由回归系数决 定 某个 财务 比率 在某一 维 度上的终点偏离原点越远，它对这一维度含义的 解释力就越强。它是一种 图像化 的聚类方法，它 的独特之处是把公司当作 变量，而将属性(如财 务比率)作为案例。2 3 CUS
19、 UM K a h y a和 T h e o d o s s i o u 运用 C U S U M 对 公 司 失败进 行预测，认为 模 型还 应包 含 财务 状 况 恶化 的动态过程信息：用于预测公 司失败的 C U S U M 模型于 2 0 0 0年提出，该模型能探测财务状况 由好 转坏的拐点，对财务状况恶化敏感并具有记忆力，区分财务指标变化是由序列相关引起的还是 由于 财务情况恶化造成的，证明了由于强序列相关，一 些在研究 中常用的 财务 比率如果在 C U S U M 或 L o g i t 和 P r o b i t 模 型 中使用，将降低模 型 的稳健 性=C U S U M模型
20、能够区分 由于序列相关造成 的短暂性变化和由财务状况恶化导致的长期变 化，并能够找 失败公司财务变量从绩效好 的联 合分布向绩效差的联合分布转变的起始点；对财 务状况的不利变化特别敏感：但 C U S U M 对平稳 性的要求较高。2 4 RS T S l o w i n s k i 和 Z o p o u d i n i s 1 6 率先将 R S T方法用 于企业失败风险的评估。已证明 R S T是可用一组 多价值属性的财务比率描述困境与非困境公司的 有效工具，可以揭示财务特征与公司失败风险之问 的关系，用于公司困境预警的研究，并有以下特点：能发现隐藏在资料中的重要事实并用 自然语言表 达
21、成一组决策规则，每个决策规则都有案例支持；定性定量变量相结合，无须统计约束和模糊隶属度 评价；节省决策成本和时间，过程透明“：应用于 数据缺漏的新案例的分类时十分灵活：2 5 固定 效应 的面板数据 l o g i t 模型 H u n t e r 和 I s a c h e n k o v a l s 将 非 平 衡 面 板 数 据 与 l o g i t 分析相结合进行企业失败分析 他们认 为在许多企业经营失败的研究 中，由于样本是非 随机选取的，故在处理不可观测的异质性时，使用 固定效应法比随机效应法更佳 此外，不可观测 的个体效应与可观测的特征常常是相关 的 如技 术、组织和管理能力等
22、个体异质性与企业绩效、证 券市场评价等特征总是相互影响的，而随机效应 法忽视这一相关性，导致估计 的不一致 鉴于以 上分 析，H u n t e r和 I s a c h e n k o v a根 据 C h a m b e r l a i n 建立的基于条件似然法的固定效应 l o g i t 模型，对 1 9 8 81 9 9 3年间英 国 5 3 9大型上市公 司进行失 败决定因素分析 模型的表达式为 P r(F a i u r e 式中：代表 了具有公 司特性、不可观测的异质 性因素。研究结果显示，样本公司具有高度的个 体异质性。由于固定效应的面板数据 l o g i t 模 型 不必
23、使用配对样本，因此大大克服了对失败企业 的过度取样问题。但是，该模型仍无法解释失败 过程的阶段性和失败路径 2 6遗传算法 遗传算法是通过模仿生物遗传进化规律，在 大量复杂概念空间内的随机搜索技术，适合用 于 服从大量软或硬约束的多参数优化问题，可用于 公司破产预测，并基于财务 比率值和定性变量进 行 i f-t h e n判别规则提取，结构清楚容易理解。F r a n c o用遗传算法分别提取线性 函数和判别规 则，结果表明可以获得不受统计约束的最优线性 方程，与 M D A相 比，省时且受主观影响小，但结 果不如 MDA 2 o j 8 3 6 南京理工大学学报(自然科 学版)第 3 3卷
24、第 6期 2 7生存分析 生存分析是运用 C o x的比例风险模型度量公 司寿命超过某段时间的概率。C a t a n a c h 2 以 l o g i s t i c分布为生存时间的概率分布，其预测精度高 于 P r o b i t 模型，结果对如何定义 困境和误判成本 具有稳健性。使用生存分析时要求在研究时间窗 内样本公司的生存 时间特点具有相似性，多用于 产业发生突变而出现大量困境公司的情形，如：银 行危机中银行破产预测，产业发展过程中某时 期中小企业破产预测 等。2 8 混 沌模型 S c a p e n s 等人 首次运用“灾难理论”解释企 业失败 问题。与此相似，L i n d
25、s a y和 C a m p b e l l 巧 J 将公司视为具有混沌行为的系统，建立 了公司失 败预测模型。他们的研究基于混沌理论的两个基 本原理：混沌系统是可以确定的，但 由于初始条件 的极端敏感性，其可预测性只在短期 内有效；健康 系统 比非健康系统呈现更多的混沌性。在这两个 原理的指导下，他们提出了自己的假设：一个破产 公司在临近破产阶段收益的混沌量显著小于该公 司在失败前早期阶段收益的混沌量。该假设得到 了有力 的验证。除了以上介绍 的财务困境预警模型之外，还 包括 自组织映射模 型、期权定价模型、基于 案例推理、基于模糊法则的分类模型、动态 事件历史分 析_ 3、线性 目标 规划
26、法、专 家系 统 、多指标决策辅助方法 等，在此不一一 详述 3 新兴财务困境预警模型的特点 新兴财务困境预警模型具有以下特点：(1)容错能 力和处理 资料遗漏 或错 误 的能 力。这主要是由新兴的财务困境预警模型所使用 的预警模型决定的。新兴的财务困境预警模 型一 般使用的是非线性算法，如 A N N，对样本不要求 符合正态分布和协方差相等的规定。除了混沌模 型外，这些方法对数据基本没有特殊要求。(2)自学习能力。新兴的财务 困境预警模型 在处理缺漏、非连续及定性数据方面的优势是传 统模型所不能及的。通过知识 的积累，可修正原 系统的一些参数和指标，使其预警 的结果更具有 有效性和准确性。(
27、3)动态适应性。这是由新兴的财务困境预 警模型的结构决定的，新兴的财务困境预警模型 采用了数据仓库、数据挖掘和 A g e n t 智能代理技 术，这些技术使得预警系统能够随环境进行适应 调整，并调整其内部的存储权重参数，进行动态预 警，以应对多变的公司环境。(4)人工智能性。神经 网络、专家系统、模糊 逻辑、R S T与混沌理论等人工智能方法在财务 困 境预警模型中得以广泛运用。一些研究还开发了 基 于这些 方法 的智 能 型人 机交互 式辅 助决 策 系统。(5)解释能力。新兴的财务困境预警模型对 模型解释功能及失败过程的探究更感兴趣。一些 新的方法解释功能非常明显，如固定效应的面板 数据
28、 l o g i t 模型能够解释公司个体特 征对失败 的 影响。C U S U M的解释力在于能提取 出由财务 问 题引起 的长期变化因素，并且对公司绩效具有记 忆功能。在 MD S分析中，根据公司在图示上的坐 标，可概览其财务健康状况；在与同行业的其它公 司比较时，若将一个公司连续几年的会计数据输 入模型，还可在行业背景下观测这个公 司财务状 况演变的轨迹 4 财务困境预警模型研究的发展方向 新兴的财务 困境预警模型各有特色，解决问 题的思路不同，从不同方面克服 了传统模型的缺 陷。但新兴的财务困境预警模型的探讨与应用研 究较为分散，还没有形成完善的综 合研究格局。未来的研究的方 向可以考
29、虑：(1)多样化选择预测变量。财务失败预警模 型不能单纯依靠财务指标，至少要在预警系统中 涉及到非财务指标和定性变量，这样才能更为完 整地反映公司全貌。如：考虑宏观经济波动指标、产业指标、管理指标、市场收益类和市场收益方差 类指标、公司治理类指标、现金流量指标、注册会 计师的意见、行业差异的指标等，考虑定量方法和 定性方法的有 机结合。因此，未来的发展趋势应 当是 以财务指标为主，兼颐其它几类指标和定性 变量，构建更为全面的备选指标组。(2)预测方法转 向实时动态预测。随着网络 技术和计算机技术的高速发展，特别是以 I n t e r n e t 为主的现代信息技术的发展，为危机预警带来 了
30、新的机遇和挑战。如何利用现代信息技术的强大 功能将危机预警系统与公 司其它信息 系统相融 总第 1 6 9期 邓敏韩 玉启 基于数据推理 和模式识 别的财务困境预警模型8 3 7 合，建立网络环境下的危机预警系统，动态、实时 地从内部信息网络和 I n t e r n e t 上获取最新数据，不断修正完善预警模 型，使得预警模型成为一个 动态学习的模型，将是今后研究 的热点：(3)研究内容趋向多角化。作为完整的财务 困境预警模型，除了能判别某些指标是否超越 了 预警界限，还应该能说明这种危机产生的原因、发 展的过程、目前的状态及未来变化的趋势，这样才 能为管理层提供真正有用的预警信息：如：公司
31、 陷入财务困境状况和资本市场相互作用的研究、财务困境成本的研究、财务困境预警管理的研究、财务困境预警模型的判断功能研究。(4)不断创新应用领域 加强理论与实际的 结合，把财务困境预警实证研究工作与财务管理 实务相结合，更好地实现所构建理论模型与具体 实践的互动性。如为投资决策、信用评估、效益审 计提供参考，结合会计制度、会计准则和审计准则 的发展，为内部控制和外部审计lT作提供指导。(5)进一步完善模型综合性。考虑财务困境 预警的特点，采用一些先进的方法，将不同的方法 结合起来，建立财务困境预警模型组，提高预测精 度，将成为目前研究中的一个发展方 向。如通过 模糊方法(有效融入专家意见和不确定
32、信息)和 遗传神经网络方法分别建立预警模型，然后通过 B P神经网络对多个模型的预测结果进行训练，得 到混合模型；进 一步探索多元逻辑 回归、神经 网 络、绩效系数法、灾害理论等现代分析方法的综合 运 用(6)拓展模型使用的有效性评价。各种模型 应用都有误判和失效 的可能性，这是模型能够应 用的关键衡量指标。但在 目前的研究中，关于模 型应用的有效性评价还非常少。因此，仅以样本 判别精度并不能解决应用需求，还缺乏评价模型 预测结果可靠性的系统方法。如何在模型失效时 寻找合适的补救或替代方法，是 目前该领域研究 成果在实践应用中的瓶颈问题 5 结束语 财务困境预警是公司主动防范风险的重要举 措，
33、国外传统的基于统计分析方法的预警模 型虽 然发展比较早也比较成熟，由于分析方法 的局限 性，这类模型存在着难以克服的缺陷。而新近发 展起来的基于数据演算推理以及模式识别的非统 计分析方法模型，从不同方面克服 了传统的预警 模型的缺陷，具有更好的预测作用：通过对国外 财务困境预警模型进行回顾、评析和对未来的研 究方向的展望，拓展了研究视野，便于根据我国的 具体实践，选用或创建最为恰 当的财务困境预警 模型研究我国的财务困境预警问题：参 考文献：A h m a n E 1 C o r p o r a t e fi n a n c i a l d i s t r e s s M N e w Y o
34、r k，US A：J o h n Wil e)r，1 9 9 3 Wa r d T J F o s t e r B PA n o t e 0 n s e l e c t a r e s p o n s e me a s u r e f o r fi n a n c i a l d i s t r e s s l J 1 J o u r n a l o f B u s i n e s s F i n a n c e a n d Ac c o u n t i n g，1 9 9 7，2 4(6)：8 6 98 7 9 周首华，杨济 华，王平 论 财务危机 的预 警分析 F 分数模式 J 会计研究，
35、1 9 9 6(8)：8 1 1 陈静上市公司财务恶化预测的实证分析 J 会 计研究，1 9 9 9(4)：3 1 3 8 张玲财务危机预警分析判别模型 J 数量经济 技术经济研究，2 0 0 0(3)：4 9 5 1 陈晓，陈怡鸿中国上市公司的财务困境预测 J 中国会汁与财务研究，2 0 0 0(3)：5 5 7 2 杨保安，季 海B P神经 网络在公 司财 务危机预警 之应用 J 预测，2 0 0 1，2 0(2)：95 4 黄继鸿，姚武，雷战波基 于案例推理的企业 财务 危机智能预警支持系统研究 J 系统 一 f：程理论与 实践，2 0 0 3，2 3(1 2)：4 6 5 2 曹德芳，
36、夏好琴基于股权结构的财务危机预警模 型构建 J 南开管理评论，2 0 0 5，8(6)：8 5 9 O 杨海军，太雷基于模糊支持向量机的上市公司财务 困境预测 J 管理科学学报，2 O 0 9，1 2(3)：1 0 2 1 1 0 孙洁，李辉企业财务困境的多分类器混合组合预 测 J 系统工程理论与实践，2 0 0 9，2 9(2)：7 8 8 6 Od o u r M D，Sh a r da R A n e ur a l n e t wo r k mo d e l f o r b a n k r u p t c y p r e d i c t i o n J C o n f e r e n c
37、 e o n N e u r a l N e t w o r k s，1 9 9 0，2(6)：1 3 61 3 8 Ma r Mo l i n e r o C，T ur n e r M，Bi s ho p H Mu l t i d i me n s i o n a l s c a l i n g a na l y s i s a s a t o o l t o e x p l a i n c o mp a n y d i s t r e s s：T h e c a s e o f ma r k s a n d s p e n c e r P L C f A 2 7 C o n g r e s
38、 o N a c i o n al d e E s t a d i s t i c a e l n v e s t i g a c i 6 n Op e r a t i v a C L l e i d a，E s p a g n e：U n i v e r s i t a t d e L l e i d a，2 O H0 38一l 1 Ka h v a E，Th e o do s s i o u P P r e d i c t i n g c o r p o r a t e f i n a n c i a l d i s t r e s s：A t i me s e r i e s CU S
39、U M me t h o d o l o g y f J R e v i e w o f Q u a n t i t a t i v e F i n a n c e a n d A c c o u n t i n g，1 9 9 9，1 3(4)：3 2 3 3 4 5 K a h y a E，O u a n d l o u s A ST h e o d o s s i o u P S e r i a l c o r 一 1jj 1J i J j 1 j )【，；I -)纠 m rl rl r rrrl rl rl rl 8 3 8 南京理工大学学报(自然科学版)第 3 3卷第 6期 r e
40、l a t i o n，n o n s t a t i o n a r y，a nd d y n a mi c pe r f o r ma n c e o f b u s i n e s s f a i l u r e p r e d i c t i o n m o d e l s J Ma n a g e ri a l F i n a n c e，2 0 0 1，2 7(8)：1 1 5 1 6 S l o w i n s k i R，Z o p u d i n i s C A p p l i c a t i o n o f t h e r o u g h s e t a p p r o a
41、 c h t o e v a l u a t i o n o f b a n k r u p t c y ri s k J I n t e l l i g e n t Sy s t e ms i n Ac c o u n t i ng，Fi n a n c e a nd Ma na g e m e n t，1 9 9 5，4(1)：2 7 4 1 1 7 T a y F E H，S h e n L E c o n o mi c a n d fi n a n c i a l p r e d i c t i o n u s i n g r o u g h s e t s m o d e l J E
42、 u r o p e a n J o u r n a l o f O p e r a t i o n R e s e a r c h，2 0 0 2，1 4 1(3)：6 4 1 6 5 9 1 8 H u n t e r J，I s a c h e n k o v a N A p a n e l a n a l y s i s o f U K i n d u s t r i a l c o m p a n y f a i l u r e R C a m b ri d g e U K：E S R C Ce n t r e f o r Bu s i n e s s Re s e a r c h，
43、Uni v e r s i t y o f Ca m b rid g e2 00 22 2 8 1 9 S h i n K S，L e e Y J A g e n e t i c a l g o ri t h m a p p l i c a t i o n i n b a n k rup t c y p r e d i c t i o n m o d e l i n g J E x p e r t S y s t e ms w i t h A p p l i c a t i o n s，2 0 0 2，2 3(3)：3 2 1 3 2 8 2 0 V a r e t t t o F G e n
44、 e t i c a l g o r i t h m s a p p l i c a t i o n s i n t h e a n a l y s i s o f i n s o l v e n c y ri s k J J o u rna l o f B a n k i n g a n d F i n a n c e，1 9 9 8，2 2(3)：1 4 2 11 4 3 9 2 I C a t a n a c h J AH，P e r r y S E A n e v al u a t i o n o f t h e s u r v i v al mo de l s c o n t rib
45、 u t i o n t o t h r i f t i n s t i t u t i o n d i s t r e s s p r e d i c t i o n J J o u r n al o f M a n a g e ri al I s s u e，2 0 0 1，8(4)：4 0l-41 7 2 2 M o l i n a C A P r e d i c t i n g b a n k f a i l u r e u s i n g a h a z a r d m o d e l J E m e r g i n g Ma r k e t R e v i e w，2 0 0 2，
46、3(6)：315 O 2 3 H o n j o Y B u s i n e s s f a i l u r e o f n e w fi n n s：A n e m p i ri c a l a n a l y s i s u s i n g a m u h i p l i c a t i v e h a z a r d m o d e l J I n t e rna t i o n a l J o u r n a l o f I n d u s t ri a l Or g a n i z a t i o n，2 0 0 0，l 8(4)：5 5 75 7 4 2 4 S e a p e n
47、 s R W，R y a n R J，F l e c h e r L E x p l a i n i n g c o r p o r a t e f a i l u r e：A c a t a s t r o p h e t h e o r y a p p r o a c h J J o u r-n a l o f B u s i n e s s F i n anc e and A c c o u n t i n g，1 9 8 1，8(1)：12 6 2 5 L i n d s a y D H，C a m p b e l l AA c h a o s a p p r o a c h t o
48、b a n k rup t c y p r e d i c t i o n J J o u r n a l o f A p p l i e d B u s i n e s s R e s e a r c h，1 9 9 6，1 2(4)：1 9 2 6 K i v i l u o t o K，B e r g i u s P E x p l o ri n g c o r p o r a t e b a n k rup t c y w i t h t w o-l e v e l s e l f-o r g a n i z i n g m a p A P r o c e e d i n g s 2
49、7 2 8 2 9 3 0 3 I 3 2 3 3 3 4 3 5 o f t h e Fi fth I n t e r n a t i o na l Co n f e r e n c e o n Co mp u t a t i o n al F i n anc e C B o s t o n，M a s s a c h u s e t t s，U S A：K l u w e r Ac a d e mi c Pu b l i s h e r s，1 9 98，3 7 33 8 0 C h a r i t o u A，T r i g e o r g i s L Op t i o n-b ase
50、d b a n k rup t c y p r e d i c t i o n(w o r k i n g p a p e r)Z N i c o s i a，C y p r u s：Un i v e r s i t y o f Cy p rus，2 0 0 0 C h e o l S o o P，I n g o o H A c a s e b ase d r e a s o n i n g w i t h t h e f e a t u r e we i g h t s de riv e d by a na l y t i c p r o c e s s for b a n k rup t