果蝇优化算法优化Z-SCORE模型参数

Z-SCORE模型 （企业风险预测）

定义

Z = 1.2* X1 + 1.4 X2 + 3.3 *X3 + 0.6 X4 + 1.0* X5

其中 Z 为 Z-SCORE，而 X1 至 X5 为
X1：营运资金除以总资产；
X2：保留盈余除以总资产；
X3：息前税前净利除以总资产；
X4：股东权益市值除以总负债的账面价值；
X5：销售金额除以总资产。

一般而言，一家财务健全的上市公司，其 Z 分数应该高于或等于 2.675；而财务状况不佳(财务危机)的公
司，其 Z 分数则低于或等于 2.675

---

示例

财务危机预警20家企业样本数据

x1-x5对应企业各项指标，Y为1代表正常公司，为0是代表危机公司。

将 20 家企业的样本数据代入如下 ZSCORE 模型中:

Z = 1.2* X1 + 1.4 X2 + 3.3 *X3 + 0.6 *X4 + 1.0 X5

结果如下，20家企业中有6家预测结果和实际不相符。

由此可知，Z-SCORE 模型侦测财务危机预警的能力尚有改善空间，可能是时空背景的不同，导致该模型的推广能力逐渐减弱，若能将 Z-SCORE 模型中各自变量前的系数加以优化(优化)，应该能提升其预测能力。

---

果蝇优化算法

原理

首先初始5群果蝇群体， 分别指派给p1, p2, p3, p4和p5等参数。 每群有 10 只果蝇，随机初始化果蝇群体位置区间为[0,1]，迭代的果蝇搜寻食物的随机飞行方向与距离区间为[-1,1]。 经由 100 次迭代搜寻最
佳的 p1, p2, p3, p4 和 p5 后， Z-SCORE 预测结果逐渐趋近于目标值 Y。

【注】
如何实现Z-SCORE 预测结果逐渐趋近于目标值 Y ?
答：均方根误差（RMSE，root-mean-square error），用来衡量观测值同真值之间的偏差。首先随机产生p1,p2..p5，代入Z-SCORE模型中得到观测值，从而求出RMSE,然后经n次迭代后，求出最小RMSE时p1,p2,..p5值，即为最佳模型参数。

代码（matlab） TXY.txt

clc
clear

%加载z-score训练数据
load G:\matlab-code\TXY.txt;
[row,col] = size(TXY);

set = row / 5;
row1 = row - set;
tr = TXY(1:row1,1:col-1);
t1 = TXY(1:row1,col);
%tr和t1来得到最优z-score系数

te = TXY(row1+1:row,1:col-1);
t2 = TXY(1:row1,col);