马晓君 宋嫣琦 张萌

〔 DOI〕 10.19653/j.cnki.dbcjdxxb.2020.04.007

〔引用格式〕  马晓君，宋嫣琦，张萌.生物启发优化算法与上市公司信用评级——基于ABC-SVM的实证研究[J].东北财经大学学报，2020，（4）：57-65.

〔摘要〕在国际评级机构经济背景与我国市场经济不相契合的前提下，为完善我国上市公司信用评级方法体系，本文通过完善指标选取、数据处理与算法优化三个方面，选取锐思数据库我国上市公司的评级数据、财务数据与相关非财务数据，采用“数据分割”方式，创新性地将人工蜂群算法优化支持向量机（ABC-SVM）应用于我国上市公司信用评级中。结果表明：通过将整体数据集分割为升级数据集和降级数据集，评级准确率分别提高了3.78%和3.37%;同时，较传统支持向量机与其他两种生物启发算法（粒子群算法、遗传算法）优化下的支持向量机，ABC-SVM算法的评级效果最好，评级准确率显著提高了5%—7%。本文为我国上市公司信用评级提供了方法思路，丰富了企业信用评级指标体系，为建立层次更全面的企业信用数据库、提高我国上市公司信用评级准确率提供技术支持，并为我国争取国际评级话语权提供理论依据。

〔关键词〕人工蜂群优化算法;支持向量机;数据分割;信用评级;上市公司

中图分类号：F832.51  文献标识码：A  文章编号：1008-4096（2020）04-0057-09

一、问题的提出

在市场交易中，信用风险是企业始终面临的重要风险之一，如何全面评估企业的信用状况并衡量损益、降低损失，进而形成有效的风险管理对企业的持续发展具有重要影响。目前，信用评级是国际上衡量公司信用风险的主要手段。……