基于数据挖掘的机械制造业上市公司信用评价研究
本文在确立了信用评价指标体系的基础上,分别采用了PSO-LSSVM方法、BP神经网络方法和C5.0决策树方法，构建了机械制造业上市公司的信用评价模型,用来对2001-2010年50家机械制造业上市公司进行两类模式分类。以t-3、t-4年的财务和非财务数据组合的面板数据作为研究样本,分别对机械制造业上市公司进行信用评价的实证研究。实证结果表明：t-4年PSO-LSSVM预测精度最高,t-3年BP神经网络模型的预测准确率最高。这三种方法的预测精度都较高,说明这三个数据挖掘模型可以用于中长期预测，并且都适合对机械制造业上市公司进行信用评价。
机械制造业 数据挖掘 支持向量机 BP神经网络 决策树 信用评价
黄章树 乔昕
福州大学管理学院,福建福州 350108
国内会议
杭州
中文
102-106
2011-10-28（万方平台首次上网日期，不代表论文的发表时间）