基于 PSO-ELM 的异常财务数据识别研究

异常财务数据的及时识别对于金融机构和企业的风险管理至关重要，鉴于目前已有的预测上市公司异常财务数据识别模型存在的易陷入局部最优解，模型泛化能力弱的问题，将粒子群算法（PSO）优化极限学习机（ELM）引入到异常财务数据识别中，构建 PSO-ELM 的异常财务数据识别模型。研究结果表明：PSO-ELM 模型对上市公司异常财务数据识别的正确率相较于未经优化的极限学习机模型具有一定优势，PSO-ELM 的异常财务数据识别模型准确率达到了 91.39%。本研究为投资者和监管部门提供了更有效的工具来应对异常财务数据的挑战。