论文部分内容阅读
财务预警模型的创建都是建立在这样一个理想假设之上：训练样本分类完全正确，即财务危机样本企业一定存在财务危机，财务正常样本企业不存在潜在的危机。而当进行财务预警模型创建的时候，如果使用BP神经网络的方法进行训练仿真，那么如何保证训练集的分类一定正确？倘若训练集的分类发生错误，对以其为样本而创建的财务预警模型会有致命的影响，因为这个分类错误影响到了财务危机预警模型的精度，而精度是财务预警模型成败的关键。文章为了规避这个问题，引入了代价敏感学习的理论。结合以前学者对于财务预警指标体系的研究，文章取