Dynamic financial distress prediction using instance selection for the disposal of concept drift
Dynamic financial distress prediction using instance selection for the disposal of concept drift
复制标题
使用实例选择来处理概念漂移的动态财务困境预测
DOI：
10.1016/j.eswa.2010.08.046
复制
发表时间：
2011-03
影响因子：
8.5
通讯作者：
Li, Hui
中科院分区：
文献类型：
--
作者：
Sun, Jie;Li, Hui
以往的财务困境预测研究都是建立在静态模型的基础上，而忽略了随着时间的推移模型是否仍然适用。本文首次探讨了财务困境概念漂移的概念、是否存在以及如何处理财务困境概念漂移。针对FDCD的处理问题，建立了一个基于实例选择的动态FDP模型。动态FDP包括实例选择、FDP建模和未来预测。采用满内存窗口、无内存窗口、固定大小窗口、自适应大小窗口和批量选择等实例选择方法来解决FDCD问题。对于特征选择，我们通过整合Mahalanobis距离上的前向和后向选择来构建包装器。实证结果表明，FDP中确实存在渐进的、持续的虚拟概念漂移，动态FDP模型的表现明显优于静态模型。同时，固定规模窗口和批量选择更适合中国上市公司的动态FDP。
Prior studies of financial distress prediction (FDP) all focus on static modeling and ignore whether the model is still suitable with time passing on. This paper devotes to the first investigation on what the concept of financial distress concept drift (FDCD) is, whether FDCD exists and how to dispose FDCD. We construct a dynamic FDP modeling based on instance selection for the disposal of FDCD. Dynamic FDP consists of instance selection, FDP modeling and future prediction. Instance selection methods including full memory window, no memory window, window of fixed size, window of adaptable size, and batch selection are used to tackle FDCD. For feature selection, we construct a wrapper by integrating forward and backward selections on Mahalanobis distance. Empirical results indicate that gradual and constant virtual concept drift does exist in FDP, and dynamic FDP models perform much better than static models. Meanwhile, window of fixed size and batch selection are more suitable for Chinese listed companies’ dynamic FDP.
登录
查看更多内容
影响因子：
7.5
作者：
J. C. Schlimmer;R. Granger
通讯作者：
J. C. Schlimmer;R. Granger
影响因子：
4.6
作者：
I. M. Premachandra;G. S. Bhabra;Toshiyuki Sueyoshi
通讯作者：
I. M. Premachandra;G. S. Bhabra;Toshiyuki Sueyoshi
影响因子：
8
作者：
E. Altman
通讯作者：
E. Altman
影响因子：
8.5
作者：
Wu, Chih-Hung;Tzeng, Gwo-Hshiung;Fang, Wen-Chang
通讯作者：
Fang, Wen-Chang
DOI：
10.1109/ijcnn.1990.137710
发表时间：
1990-06
期刊：
1990 IJCNN International Joint Conference on Neural Networks
影响因子：
--
作者：
M. Odom;R. Sharda
通讯作者：
M. Odom;R. Sharda