基于成都市中小(微)企业运行态势的预警模型分析

摘要：成都中小微企业在促进地方经济发展、吸纳社会就业方面起着十分积极的作用。但是，随着市场竞争日益激烈，中小微企业在经营发展过程中面临危机的可能性不断上升。本文从分类的角度，将支持向量机方法运用于中小微企业预警模型，对中小微企业经营状况进行监测。

关键词：成都中小微企业 支持向量机 预警

1、支持向量机的原理

支持向量机方法的核心思想：将输入空间中的样本通过某种非线性关系映射到一个特征空间中，然后在这个空间里建立一个最优分类面作为决策曲面。映射函数仅与低维输入向量和特征空间的点集有关，映射函数点集可用一核函数K代替，从而避免“维数灾难”，可解决高维特征问题。它是建立在统计学习理论的VC 维理论和结构风险最小原理基础上的，根据有限的样本信息在模型的复杂性和学习能力之间寻求最佳折衷，以期获得最好的推广能力 。其判别函数为：

式中αi为全向量， yi为类别标号，且yi=±1，xij与x为向量，b为常数。

2、基于支持向量机的预警模型构建思路

（1）指标选取。在运行监测指标的所有指标中，我们选取最能反映企业运行状况的6个指标进行分析：亏损企业户均亏损额、亏损面、出货值、营业收入、营业成本、利润总额。在信心指数中我们选取7个指标进行分析：企业总体生产经营状况（本月实际）、企业总体生产状况（下月预测）、企业所在行业整体经营状况（本月实际）、企业所在行业整体经营状况（下月预测）、国内市场订单情况、原材料和能源购入价格上涨影响、劳动力成本上涨影响。

（2）数据处理。运行监控指标中亏损企业户均亏损额、亏损面、营业成本为逆向指标，应先将逆向指标通过

转化为正向指标，为方便起见，将X’ij记为xij。再利用列和等于1的归一化方法标准化处理：

令

最后将标准化的13个指标的数据利用算数平均法得出每个月的综合评估值。

（3）警级划分。利用spss17.0的聚类分析方法对综合评估值进行分类，划分出各月的警级。

（4）预警模型构建。将各月分为三个部分：一部分作为训练样本，一部分作为测试样本，一部分作为验证样本。关于支持向量机的模型建立，主要是选择恰当的核函数，它的合理选择直接影响到模型的精度和推广能力。常用的核函数有多项式核函数，RBF核函数，Sigmoid核函数。经过对每个核函数的试验，最终选取效果最好的RBF函数。之后用训练集对SVM进行训练，再用得到的模型来预测测试集的分类标签，得到模型的精度，并用验证样本对模型进行实际验证。

3、分规模企业运行态势预警模型

3.1数据处理

表1.1 按规模（中型）1-6月份标准化的数据与警级

表1.2 按规模（小型）1-6月份标准化的数据与警级

表1.3 按规模（微型）1-6月份标准化的数据与警级

3.2 SVM模型预警结果

表1.4 SVM模型预警结果

4、结束语

SVM模型对运行监测指标与信心指数按规模划分的中小微企业预警精度均为100%，说明该模型学习能力很强。同时，该模型对验证样本的预测精度均为100%，说明其泛化能力强，具有良好的预警效果。

若某月的预警结果为重警，则表明企业发展处于萎缩状态，经营状况恶化。此时应寻找致使企业发展恶化影响因素，并采取有力的措施来激发市场的活力。

若某月的预警结果为轻警，则表明企业发展出现了下滑的趋向，其未来走势在短期内有衰退和趋稳的可能。此时应密切注意以后的预警动向，适当采取有力的促进企业增长的调控措施。

若某月的预警结果为无警，则表明此时的企业处于正常发展的稳定期。但是，其未来的走势在短期内有下滑或上升的可能，因此决策者应密切关注可能导致企业失衡因素的出现。

综上所述：预警对企业的发展非常重要，而SVM模型具有很强的学习能力与泛化能力，具有良好的预警效果，可以为企业决策者提供有效的决策依据，促进企业健康，长久的发展。

参考文献：

[1]刘碧森，姚宇，王玲.基于支持向量机的企业财务预警模型[J].电子科技大学学报，2007（2）.

[2]李美娟，陈国宏，陈衍泰.综合评价中指标标准化方法研究[J].中国管理科学，2004（12）.

[3]刘广利，邓乃扬.基于SVM分类的预警系统[J].中国农业大学学报，2002（7）.

[4]李锐.基于SVM的房地产行业风险预警模型应用研究[学位论文].哈尔滨工业大学，2008.