论文部分内容阅读
选取沪深A股上市的制造业公司财务变量构建信用风险评价体系,在利用因子分析法对其进行维数约简后,采用数据挖掘技术和统计学方法对信用违约概率测度作了有价值的探索。模型包含两个阶段,聚类阶段采用加权模糊C均值聚类（WFCM）算法将样本聚成同质的类,使同簇样本更具代表性;违约测度阶段应用Logistic回归方法分别对不同组样本进行测度。实证结果表明：在Logistic模型中引入WFCM算法能显著提高预测样本的违约概率测度准确率;对于样本总体与ST企业而言,其违约预测准确率比Logistic模型分别提高了10.7%