基于PCA-k-means和PSO-SVM的AI上市公司財務預警

樊東醒, 葉春明

(上海理工大學 管理學院， 上海 200093)

當今人們生活在一個智能化時代，AI技術在無人駕駛[1]、無人零售[2]、征信風控[3]等領域被廣泛應用，根據《中國新一代人工智能科技產業發展報告(2019)》顯示，截至2019年2月，中國人工智能公司達到745家，人工智能核心產業的規模已超過1 000億元[4]。但是技術發展也是一把雙刃劍，人工智能在實際應用中仍然存在著風險，如自動駕駛事故、虛構語音詐騙、個人信息泄露等。從產業層面上來看，目前主要存在研發投入不足、關鍵技術和高端裝備對外依存度過高等問題[5]。產業的高速發展和資本的快速集聚對人工智能上市公司既是機遇也是挑戰，一些企業急于將未完全成熟的技術投入市場，存在較大的安全隱患。從解決方法上來看，趙治綱認為通過AI分析宏觀環境和產業發展趨勢，能更好地預測公司面臨的經營和財務風險[6]。因此本文嘗試尋找關鍵指標，幫助AI公司規避風險和審視經營。

在建立指標體系上，胡書文等從盈利能力、償債能力、資產管理能力、股本結構、股本擴張能力5個維度建立了上市公司投資價值評價體系指標分類[7]。何嘉亮從盈利能力、償債能力、營運能力和成長能力4個方面進行分析，并建立了信用風險評價指標體系[8]。王倩茹等利用主成分分析法計算因子載荷和KMO值構建了財務分析模型[9]。胡亞紅等使用層次分析法和k-means建立了信用度指標體系[10]。郭陽等使用k-means進行指標聚類分析，并結合經驗對指標類簇進行命名[11]。……