Resumen

La cuestión de la predicción de las dificultades financieras es un tema de investigación importante y desafiante en el ámbito financiero. En la actualidad, existen muchos métodos para predecir la quiebra y la crisis financiera de las empresas, incluidos los métodos de inteligencia artificial y los métodos estadísticos tradicionales, y los estudios anteriores han demostrado que el resultado de la predicción del método de inteligencia artificial es mejor que el método estadístico tradicional. Los estados financieros son informes trimestrales; por lo tanto, la crisis financiera de las empresas son datos de series temporales estacionales, y los datos de atributos que afectan a las dificultades financieras de las empresas son datos de series temporales no lineales y no estacionarias con fluctuaciones. Por lo tanto, este estudio empleó el método de selección de atributos no lineales para construir un modelo de predicción de crisis financiera no lineal: es decir, este trabajo propuso un nuevo modelo de programación de expresión genética de series temporales estacionales para predecir la crisis financiera de las empresas. El modelo propuesto tiene varias ventajas, entre ellas las siguientes (i) el modelo propuesto es diferente de los modelos anteriores que carecen del concepto de serie temporal; (ii) el método de selección de atributos integrado propuesto puede encontrar los atributos principales y reducir los datos de alta dimensión; y (iii) el modelo propuesto puede generar las reglas y fórmulas matemáticas de las dificultades financieras para proporcionar referencias a los inversores y a los responsables de la toma de decisiones. El resultado muestra que el método propuesto es mejor que los clasificadores de la lista en tres criterios; por lo tanto, el modelo propuesto tiene ventajas competitivas en la predicción de las dificultades financieras de las empresas.

• Materias:Biotecnología Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurofisiología
• Subjects:Biotechnology Data mining Genetic algorithms Brain - pathophysiology Neurophysiology
• Palabras claves:dificultades de la empresa, modelo propuesto, métodos estadísticos tradicionales, dificultades financieras, predicción de dificultades financieras, métodos de selección de atributos, datos en serie, crisis financiera, métodos de inteligencia artificial, modelo de programación de expresiones
• Keywords:distress of company, proposed model, traditional statistical methods, financial distress, financial distress prediction, attribute selection methods, series data, financial crisis, artificial intelligence methods, expression programming model