《電子技術應用》
您所在的位置:首頁 > 嵌入式技術 > 設計應用 > 基于馬氏距離判別法的企業(yè)資信評估
基于馬氏距離判別法的企業(yè)資信評估
來源:微型機與應用2013年第3期
高洪波,,馬素萍
(南通廣播電視大學科研處,,江蘇 南通 226006)
摘要: 針對基于傳統(tǒng)統(tǒng)計學的企業(yè)資信評估方法的不足,提出基于距離判別法的企業(yè)資信評估方法,,并用實例通過Matlab軟件及其相應工具對其進行了計算判別,。結果表明,基于距離判別法的企業(yè)資信評估方案,,可快捷,、準確、有效地評價企業(yè)是否處于破產狀態(tài),,為企業(yè)資信評估提供可靠的依據,。
Abstract:
Key words :

摘  要: 針對基于傳統(tǒng)統(tǒng)計學的企業(yè)資信評估方法的不足,提出基于距離判別法的企業(yè)資信評估方法,,并用實例通過Matlab軟件及其相應工具對其進行了計算判別,。結果表明,基于距離判別法的企業(yè)資信評估方案,,可快捷,、準確、有效地評價企業(yè)是否處于破產狀態(tài),,為企業(yè)資信評估提供可靠的依據,。
關鍵詞: 馬氏距離判別法;企業(yè)資信評估,;Matlab

 隨著我國經濟的高速發(fā)展,,作為市場經濟的金融市場發(fā)展速度不斷加快,逐漸與世界經濟接軌,,我國經濟形態(tài)也更趨向于信用經濟,。資信評估作為市場經濟中的監(jiān)督力量,在很大程度上可降低信息不對稱性,,能夠為評價企業(yè)的資信水平提供重要參考依據,??茖W準確的資信評估可以輔助決策,,降低投資風險。因此,,如何提高企業(yè)資信評估的準確性和科學性極其重要[1]。企業(yè)資信評估是以獨立經營的企業(yè)或經濟主體為對象,,根據企業(yè)及經濟主體的生產,、經營、管理前景及當前的企業(yè)經濟效益狀況,,給出企業(yè)的資信評級,本質上是屬于綜合評價中的分類問題,。經濟社會活動中判斷一個企業(yè)是否守信用,,可牽涉到多個數(shù)據指標,,如資產負債率、現(xiàn)金流量,、流動資產,、銷售利潤率、存貸比,、利息償還率等,,如何從這些數(shù)據中判定企業(yè)的信用、財務狀況,,從而準確地標記出企業(yè)的資信等級是一個較為復雜的問題[2],。資信評估通常采用基于統(tǒng)計學的分析方法,包括線性回歸分析法,、多元判別分析法等,。然而傳統(tǒng)的統(tǒng)計學評估方法有較大的局限性,存在著諸如權重確定缺乏理論依據,、帶有明顯主觀臆斷且運算量大等缺點,,已經無法滿足實際應用的需要。近年來隨著科學技術的飛速發(fā)展,,尤其是計算機技術的突飛猛進,,基于計算機處理的距離判別法、貝葉斯判別,、FISHER判別等方法在綜合評價中的分類問題有了較大的突破和廣泛應用,。本文將基于Matlab實現(xiàn)的距離判別法應用于企業(yè)資信評估,并給出了實例來驗證該方法在企業(yè)資信評估中財務狀況方面評價的可靠性,。
1 距離判別法原理
 判別分析方法是一種有效的多元數(shù)據分析方法,它能從各訓練樣本中提取各總體的信息,,科學地判斷得到的樣品屬于什么類型,,現(xiàn)已在很多領域廣泛應用。馬氏距離是由印度統(tǒng)計學家馬哈拉諾比斯(P.C.Mahalanobis)提出的,,表示數(shù)據的協(xié)方差距離,,是一種有效的計算兩個未知樣本集的相似度的方法。

1.3 基于Matlab的距離判別法的實現(xiàn)[3-5]
 Matlab統(tǒng)計工具箱中提供了classify函數(shù),用來對未知類別的樣品進行判別,,可以進行距離判別和先驗分布為正態(tài)分布的貝葉斯判別,,其調用格式如下:
class=classify(sample,training,,group,type)
 輸入參數(shù)sample是待判別的樣本數(shù)據矩陣,,training是用于構造判別函數(shù)的訓練樣本數(shù)據矩陣。它們的每一行對應一個觀測值,,每一列對應一個變量,,sample和training具有相同的列數(shù),,該函數(shù)將sample中的每一個觀測值歸入training中觀測值所在的某個分組。參數(shù)group是與training相應的分組變量,,參數(shù)group是與training具有相同的行數(shù),group中的每一個元素指定了參數(shù)group是與training中相應觀測值所在的組,。group可以是一個分類變量、數(shù)值向量,、字符串數(shù)值或者是字符串元胞數(shù)組。輸出參數(shù)class是一個行向量,,用來指定sample中各個觀測值所在的組,,class和group具有相同的數(shù)據類型,。參數(shù)type的取值決定了classify函數(shù)支持的判別類型,其中有五種可選參數(shù),,即linear、diaglinear,、quadratic、diagquadratic及mahalanobis,。當type參數(shù)取前四種值時,,該函數(shù)可用來作貝葉斯判別;當取值為mahalanobis時,,該函數(shù)用作距離判別,,并且所計算的先驗概率用來計算誤判概率。
2 企業(yè)資信中財務狀況評估模型構建[6]
2.1 企業(yè)資信評估指標選取

 企業(yè)資信評估通過分析獨立經營企業(yè)資產實力,、償債能力和信用風險程度等,,從而確定該企業(yè)的信用等級,使管理者掌握企業(yè)經營狀況,,幫助金融機構決策者對企業(yè)進行評價和選擇,。資信評估包括資產評估和信用評估兩個方面,本文選擇4項評價指標對企業(yè)的財務狀況進行評價:
 X1=現(xiàn)金流量/總債務
 X2=凈收入/總資產
 X3=流動資產/流動債務
 X4=流動資產/凈銷售額
 表1是相關企業(yè)年度財務數(shù)據,,其中收集了21個破產的企業(yè)在破產前兩年的年度財務數(shù)據,,同時對25個財務狀況良好的企業(yè)也收集了同一時期的財務數(shù)據進行距離判別,找出未判別的四家企業(yè)的財務狀況的情況,,判別是否處于破產狀態(tài),。

 

 

2.2 基于Matlab的距離判別過程
 (1)讀取數(shù)據
 讀取文件example.xls的第一個工作表中C2:F51范圍的數(shù)據,,即全部樣本數(shù)據,,包括了未判企業(yè)數(shù)據。
 >>sample=xlsread(‘example.xls’,,’’,,’C2:F51’);
 讀取文件example.xls的第一個工作表中C2:F47范圍的數(shù)據,,即已知組別的樣本數(shù)據,。
 >>training=xlsread(‘example.xls’,’’,,’C2:F47’),;
 讀取文件example.xls的第一個工作表中B2:B47范圍的數(shù)據,即樣本的分組信息數(shù)據,。
 >>group=xlsread(‘example.xls’,,’’,’B2:B47’),;
 列出企業(yè)編號
 >>obs=[1:50],;
 (2)進行馬氏距離判別,,返回判別結果向量C和誤判概率err
 >>[C,,err]=classify(sample,training,,group,,mahalanobis);
 >>[obs,,C]%查看馬氏判別結果
 得出判別結果如表2所示,。

 從表中可以看出,共有3個觀測值發(fā)生了誤判,,即是第15,、16和34號,其中第15和第16號由第1組(財務良好)誤判為第2組(破產企業(yè)),,而第34號觀測值原本屬于第2組誤判為第1組,,用P(j|i)來表示原本屬于第I組的樣品被誤判為第J組的概率,則誤判概率的估計值分別是:
P(2|1)=2/21=0.095  P(1|2)=1/25=0.04
 假設兩組的先驗概率均為0.5,,則classify函數(shù)的誤判概率是:
 err=0.5  P(2|1)+0.5 P(1|2)=0.067 6
 可見該馬氏判別的結果是可以令人接受的且基本是合理的,。表2中的第47~50號企業(yè)是未判企業(yè)的觀測值,即未知組別的樣品,。由以上結果可知,,第47號和第49號企業(yè)的觀測值判歸第1組,從而判定它們是破產企業(yè),,第48號和第50號企業(yè)的觀測值被判歸為第2組,,它們?yōu)榉瞧飘a的財務狀況良好的企業(yè)。
 本文提出將基于距離判別算法用于企業(yè)資信評估,,該方法具有以下優(yōu)點:(1)與資信評估常用的統(tǒng)計學方法不同,,該方法無需事先建立數(shù)學模型,只需將從各訓練樣本中提取各總體的信息,,科學地判斷得到的樣品屬于什么類型,,評價過程方便、快捷,。(2)不需要人為確定權重,,從而避免由于評價過程中的主觀因素所導致的結果失真。(3)使用基于距離判別算法,,即便出現(xiàn)誤差,,也可通過假設的先驗概率計算誤判概率,得出較為客觀的結論,,其評價結果比傳統(tǒng)的統(tǒng)計學方法更為客觀,、有效。
參考文獻
[1] 劉重才,,周洲,,梅強.LVQ神經網絡在企業(yè)資信評估中的應用[J].集團經濟研究,2007(10):50-51.
[2] 李翀,,夏鵬.后驗概率支持向量機在企業(yè)信用評級中的應用[J].計算機仿真,,2008,,25(5):256-258.
[3] 蘇金明,張蓮花,,劉波.Matlab工具箱應用[M].北京:電子工業(yè)出版社,,2004.
[4] 董維國.深入淺出Matlab7.X混合編程[M].北京:機械工業(yè)出版社,2006.
[5] 張潤楚.多元統(tǒng)計分析[M].北京:科學出版社,,2006.
[6] 鄭志勇.金融數(shù)量分析[M].北京:航空航天大學出版社,,2009.

此內容為AET網站原創(chuàng),未經授權禁止轉載,。