Resumen

En este artículo, proponemos un sistema híbrido para predecir la quiebra de empresas. El procedimiento completo consta de las cuatro etapas siguientes: en primer lugar, se utilizó la selección secuencial hacia adelante para extraer las características más importantes; en segundo lugar, se eligió un modelo basado en reglas para ajustarse al conjunto de datos dado, ya que puede presentar un significado físico; en tercer lugar, se introdujo un algoritmo genético de colonia de hormigas (GACA); En tercer lugar, se introdujo un algoritmo genético de colonias de hormigas (GACA); la estrategia de escalado de aptitud y el operador caótico se incorporaron a GACA, formando un nuevo algoritmo: GACA caótico de escalado de aptitud (FSCGACA), que se utilizó para buscar los parámetros óptimos del modelo basado en reglas; y, por último, se utilizó la técnica de validación cruzada estratificada K-fold para mejorar la generalización del modelo. Los experimentos de simulación con datos de 1.000 empresas recopilados entre 2006 y 2009 demostraron que el modelo propuesto era eficaz. Seleccionó los 5 factores más importantes como "ingresos netos a igualdad del corredor de bolsa", "ratio de rapidez", "beneficios retenidos a activos totales", "fondos propios a activos totales" y "gastos financieros a ventas". El error total de clasificación errónea del FSCGACA propuesto fue sólo del 7,9%, superando los resultados del algoritmo genético (GA), el algoritmo de colonia de hormigas (ACA) y el GACA. El tiempo medio de cálculo del modelo es de 2,02 s.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:mathematics Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:modelo, gaca, activos totales, algoritmo genético de colonia de hormigas, algoritmo de colonia de hormigas, tiempo medio de cálculo, estrategia de escalado de aptitud, selección secuencial hacia delante, error total de clasificación errónea, fscgaca
• Keywords:model, gaca, total assets, genetic ant colony algorithm, ant colony algorithm, average computation time, fitness scaling strategy, sequential forward selection, total misclassification error, fscgaca