买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：浙江财经大学

摘要：本发明公开了一种基于LASSO‑PSO‑ELM的财务困境预警方法，首先利用LASSO回归对于财务指标数据进行降维处理，得到低维度有效数据，然后利用十折交叉验证对ELM模型中的最优隐层节点数进行寻优，再选取十折交叉验证得到的最优隐层节点数代入ELM中进行建模预测。由于ELM本身随机赋予权值和偏差，实证发现输出结果存在不稳定的问题，接着利用PSO寻优算法，对ELM的随机权值和偏差进行优化，利用PSO的不断迭代寻优得到最终的权值和偏差，最后将寻优后的权值和偏差带入ELM中对降维后的数据进行训练和分类识别。本发明能避免传统方法中由于模型本身带来的低预测率和速度慢问题，并对不同行业的财务指标数据都能达到较好的结果。

主权项：1.一种基于LASSO-PSO-ELM的财务困境预警方法，该方法包括如下步骤：步骤一：财务指标体系降维1.1将所有的财务指标数据作为输入，记为x，在Lasso回归中，y为是否存在危机，在n次抽取样本中得到的观测数据的标准化数值为x，y，其中x为n*p的矩阵，其中np，Lasso本质上是一种有偏估计方法，是通过缩减变量集的正则化技术，通过惩罚函数来构造一个更为精炼的模型，更好的去压缩模型的系数，核心是利用L1范数的稀疏性来处理回归相关的惩罚优化问题；1.2Lasso回归通过不断调整t的值，来降低模型数据的整体回归系数，不断压缩不显著的变量系数，直至为零；变量系数不为零的就是所需的财务指标，这样就获得了降维后的财务指标；步骤二：十折交叉验证选取最优隐藏层节点数2.1利用十折交叉验证法将财务指标数据集分为十份，轮流将其中9份作为训练数据，1份作为测试数据进行试验；2.2调整隐层节点数通过交叉验证实验每次都会得到相应测试集的准确率；10次的结果的准确率的平均值作为对隐层节点数优劣的判断；本文进行多次十折交叉验证来寻找最优的隐藏层节点数；步骤三：PSO-ELM财务困境预警模型构建3.1将降维后的财务指标数据作为输入样本，设定个隐藏层神经元ELM学习算法可以以零误差逼近这N个样本；设定好ELM的隐层偏差和权值的区间范围，设定好Sigmoid激活函数等初始参数；3.2将输入层的ωj和bj作为粒子群算法中寻优的速度和位置；设定在N维的搜寻空间，初始化种群数M，随机数rand，w是调节粒子速度的惯性权值，c1和c2是调节粒子速度的加速度常数，以寻找个体最优位置Pi和全局最优位置Pg；3.3确定好每个粒子的个体极值和群体极值后，每个粒子的位置和速度自动更新寻找最优极值，并同时利用适应度函数计算每个粒子的适应度值进行位置、速度的更新，一直更新至终止条件后输出最优的速度和位置，即ELM中的最优输入权重ωj和隐层偏差bj，将输出后的ωj和bj带入寻优后的ELM模型中训练数据；步骤四：实证预测4.1模型构建好之后，利用Lasso降维后的数据和十折交叉验证寻优后的最优隐层节点数，代入PSO-ELM模型训练分类。

全文数据：

权利要求：

百度查询： 浙江财经大学 一种基于LASSO-PSO-ELM的财务困境预警方法