基于GA和Renyi熵的增长记忆式最小二乘支持向量机财务业绩预测模型
为了综合提高财务业绩预测的正确率，在传统支持向量机财务业绩预测模型的基础上，提出了一种新的基于遗传算法和Renyi熵的增长记忆式最小二乘支持向量机预测模型。并独立推导出了适合财务业绩预测这一离散序列的熵以及支持向量机核函数的表达式，并且给出了这一改进算法的实现步骤。同时，将基于邻域粗糙集的属性约简算法应用于初选财务指标的优化，并与经典粗糙集约简、因子分析法进行了比较。实证结果表明，将基于GA和熵的增长记忆式最小二乘支持向量机模型和邻域粗糙集指标优化相结合，不但能显著提高模型预测的正确率，还减少了训练样本的数量和训练时间。
遗传算法 Renyi熵 增长记忆算法 邻域粗糙集 最小二乘支持向量机
赵冠华
山东财政学院会计学院，山东 济南 250014
国内会议
北京
中文
686-693
2010-11-05（万方平台首次上网日期，不代表论文的发表时间）