考虑了Cox模型和变系数Cox模型的变量选择问题，基于自适应LASSO法惩罚偏似然函数，分别对Cox模型的偏似然函数采用二阶泰勒展开式近似逼近，对变系数 Cox模型采用 B样条展开，并运用坐标下降法（CCD算法—Cyclical Coordinate Descent）求解模型，并分别采用十折CV法和GCV法对调整参数?进行选择，从而完成整个变量选择和估计过程。随机模拟的结果显示，基于自适应LASSO的Cox模型变量选择效果优于传统的变量选择法以及LASSO法；在变系数Cox模型中，该变量选择方法对于不同类型的变量的选择效果如下：无关变量>固定系数变量>完全依赖变量>半依赖变量，同时还受到删失率和规模效应的影响，删失率越低，变量选择效果越佳；规模效应越小，半依赖变量被选择的可能性越大。该方法还可以识别变量的常系数项和变系数项，对常系数变量作单独估计。最后，分别构建Cox和变系数Cox财务预警模型，将该方法分别应用于两个模型中寻找对上市公司影响重大的财务因素。