基于成都市中?。ㄎⅲ┢髽I運行態勢的預警模型分析

摘要：成都中小微企業在促進地方經濟發展、吸納社會就業方面起著十分積極的作用。但是，隨著市場競爭日益激烈，中小微企業在經營發展過程中面臨危機的可能性不斷上升。本文從分類的角度，將支持向量機方法運用于中小微企業預警模型，對中小微企業經營狀況進行監測。

關鍵詞：成都中小微企業 支持向量機 預警

1、支持向量機的原理

支持向量機方法的核心思想：將輸入空間中的樣本通過某種非線性關系映射到一個特征空間中，然后在這個空間里建立一個最優分類面作為決策曲面。映射函數僅與低維輸入向量和特征空間的點集有關，映射函數點集可用一核函數K代替，從而避免“維數災難”，可解決高維特征問題。它是建立在統計學習理論的VC 維理論和結構風險最小原理基礎上的，根據有限的樣本信息在模型的復雜性和學習能力之間尋求最佳折衷，以期獲得最好的推廣能力 。其判別函數為：

式中αi為全向量， yi為類別標號，且yi=±1，xij與x為向量，b為常數。

2、基于支持向量機的預警模型構建思路

（1）指標選取。在運行監測指標的所有指標中，我們選取最能反映企業運行狀況的6個指標進行分析：虧損企業戶均虧損額、虧損面、出口交貨值、營業收入、營業成本、利潤總額。在信心指數中我們選取7個指標進行分析：企業總體生產經營狀況（本月實際）、企業總體生產狀況（下月預測）、企業所在行業整體經營狀況（本月實際）、企業所在行業整體經營狀況（下月預測）、國內市場訂單情況、原材料和能源購入價格上漲影響、勞動力成本上漲影響。

（2）數據處理。運行監控指標中虧損企業戶均虧損額、虧損面、營業成本為逆向指標，應先將逆向指標通過

轉化為正向指標，為方便起見，將X’ij記為xij。再利用列和等于1的歸一化方法標準化處理：

令

最后將標準化的13個指標的數據利用算數平均法得出每個月的綜合評估值。

（3）警級劃分。利用spss17.0的聚類分析方法對綜合評估值進行分類，劃分出各月的警級。

（4）預警模型構建。將各月分為三個部分：一部分作為訓練樣本，一部分作為測試樣本，一部分作為驗證樣本。關于支持向量機的模型建立，主要是選擇恰當的核函數，它的合理選擇直接影響到模型的精度和推廣能力。常用的核函數有多項式核函數，RBF核函數，Sigmoid核函數。經過對每個核函數的試驗，最終選取效果最好的RBF函數。之后用訓練集對SVM進行訓練，再用得到的模型來預測測試集的分類標簽，得到模型的精度，并用驗證樣本對模型進行實際驗證。

3、分規模企業運行態勢預警模型

3.1數據處理

表1.1 按規模（中型）1-6月份標準化的數據與警級

表1.2 按規模（小型）1-6月份標準化的數據與警級

表1.3 按規模（微型）1-6月份標準化的數據與警級

3.2 SVM模型預警結果

表1.4 SVM模型預警結果

4、結束語

SVM模型對運行監測指標與信心指數按規模劃分的中小微企業預警精度均為100%，說明該模型學習能力很強。同時，該模型對驗證樣本的預測精度均為100%，說明其泛化能力強，具有良好的預警效果。

若某月的預警結果為重警，則表明企業發展處于萎縮狀態，經營狀況惡化。此時應尋找致使企業發展惡化影響因素，并采取有力的措施來激發市場的活力。

若某月的預警結果為輕警，則表明企業發展出現了下滑的趨向，其未來走勢在短期內有衰退和趨穩的可能。此時應密切注意以后的預警動向，適當采取有力的促進企業增長的調控措施。

若某月的預警結果為無警，則表明此時的企業處于正常發展的穩定期。但是，其未來的走勢在短期內有下滑或上升的可能，因此決策者應密切關注可能導致企業失衡因素的出現。

綜上所述：預警對企業的發展非常重要，而SVM模型具有很強的學習能力與泛化能力，具有良好的預警效果，可以為企業決策者提供有效的決策依據，促進企業健康，長久的發展。

參考文獻：

[1]劉碧森，姚宇，王玲.基于支持向量機的企業財務預警模型[J].電子科技大學學報，2007（2）.

[2]李美娟，陳國宏，陳衍泰.綜合評價中指標標準化方法研究[J].中國管理科學，2004（12）.

[3]劉廣利，鄧乃揚.基于SVM分類的預警系統[J].中國農業大學學報，2002（7）.

[4]李銳.基于SVM的房地產行業風險預警模型應用研究[學位論文].哈爾濱工業大學，2008.