【摘 要】
：
近年来,随着市场竞争越来越激烈,上市公司陷入财务困境的状况频发。为了避免财务困境对上市公司正常运转造成的不利影响,本文基于生存分析方法中的Cox 比例回归模型构建上市公司财务困境预警模型。由于上市公司的许多特征数据都具有分组结构的特质,即组内变量的相关性高、组间变量的相关性低,本文创新改进传统Cox 比例回归模型,在Cox 比例回归模型上施加Sparse-Group Lasso惩罚函数来构建SGL
论文部分内容阅读
近年来,随着市场竞争越来越激烈,上市公司陷入财务困境的状况频发。为了避免财务困境对上市公司正常运转造成的不利影响,本文基于生存分析方法中的Cox 比例回归模型构建上市公司财务困境预警模型。由于上市公司的许多特征数据都具有分组结构的特质,即组内变量的相关性高、组间变量的相关性低,本文创新改进传统Cox 比例回归模型,在Cox 比例回归模型上施加Sparse-Group Lasso惩罚函数来构建SGL-Cox模型,并将其应用于上市公司的财务困境预警研究中。该方法充分考虑了上市公司的特征数据所存在的分组结构性质,同时又能够利用Cox 比例回归模型的优势逐年追踪上市公司的财务状况,从而对上市公司财务健康的持续时间以及未来发生财务困境的风险进行有效的预测。具体来说,本文研究了 Sparse-Group Lasso方法在Cox 比例回归模型框架下的理论推导,并分别与Lasso-Cox模型和Group Lasso-Cox模型进行数值模拟实验比较,验证SGL-Cox模型在变量选择效果上的优越性。在实证分析中,SGL-Cox模型从上市公司的114个财务与非财务指标中筛选出27个重要指标,涉及成长能力、每股指标、盈利能力、营运能力、资本结构、市场信息、管理层薪酬和行业信息八个方面。此外,本文运用SGL-Cox模型对上市公司的财务状况进行判别分类,在测试集上的AUC（areaundercurve）值达到0.8860,对财务危机企业的预测准确率达到了 97.06%,对财务健康企业的预测准确率达到了 80.15%,其AUC值和预测准确率均优于Lasso-Cox模型和Group Lasso-Cox模型。SGL-Cox模型还可以对上市公司各时点的生存概率进行预测,预测结果与上市公司的实际生存状况基本相符,能够准确地识别出上市公司发生财务困境的时点,为上市公司防范财务困境的发生提供了参考。
其他文献
考虑一个存在均值变点（跳点）的非参数回归模型,已有的文献大致可以分为侧重点不同的两类:一类主要关注变点位置的估计,另一类主要关注带跳曲线的拟合。本文提出了一种新的方法,可以使得变点估计和带跳曲线拟合同时进行。我们利用截断幂基多项式和阶梯函数对真实回归曲线进行逼近。在估计过程中,我们对截断幂基多项式中含有样条节点部分的回归系数以及阶梯函数的回归系数分别施加L2惩罚和L1惩罚,从而控制拟合曲线的光滑程
AlGaN基紫外激光器（UV-LDs）在医疗诊断、生物检测、化学分析、非视距通信与高密度数据存储等诸多领域的应用都十分重要,与其他固体、气体激光器相比,更是具有高光束质量、高效率、低成本、体积小等优点。虽然有不少科研人员致力于推动其性能提升的研究,但是至今电泵浦AlGaN基紫外量子阱激光器的研究进展相对缓慢,晶体质量差、P型掺杂困难、载流子注入效率低、光限制问题等多方面难题阻碍向更短波长实现高性能
目的 回顾性分析新生儿坏死性小肠结肠炎（necrotizing enterocolitis,NEC）患儿临床资料,筛选出独立危险因素及保护因素,构建模型,对NEC发生进行早期干预提供数据支持。方法 收集2018年7月—2021年7月温州市人民医院NICU新生儿科住院的符合标准的415例早产儿临床资料。对早产儿及产妇的临床资料进行单因素分析找出可能的危险因素。利用多因素logistic回归分析影响N
风险是金融体系和金融活动基本属性之一,对投资者来说,从金融市场中获取收益的同时控制好损失的风险,是至关重要的。文章通过构建一个Copula函数下SRM模型,度量金融资产组合面临的潜在损失风险,建立满足投资决策的潜在损失风险达到最小值的条件时的资产权重优化问题。SRM模型摆脱了收益率服从正态分布的假设,且将投资者风险厌恶情绪纳入模型,相对于其他风险测度模型有很大的优势。但是SRM模型完全基于资产的历
2009年4月,银监会印发了《关于中小商业银行分支机构市场准入政策的调整意见（试行）》,从政策上允许跨区域经营。但由于快速的扩张产生了许多的问题,近年来,银监会对城市商业银行的跨区域经营又有所限制。本文从城市商业银行的跨区域经营问题出发,收集整理了 132家城市商业银行2007年-2017年的数据,分别从扩张城市的选择和跨区域经营的异质性两个层面展开分析。首先手动整理了股东的地址信息,构建起“银行
由于传感器技术、通信技术、数据存储技术等的飞速发展,硬件软件的同步推进,各领域产生并存储了大量数据,数据的有效利用成为了研究与实践的热点,数据挖掘可以提取出数据中蕴含的重要信息,其中,分类是应用较为广泛的一种关键算法。但是,与理想情况背道而驰的是,现实中的数据往往存在着类别不平衡的问题,即属于某一类别的样本数量显著小于其他类别样本的数量且少数类的误分代价往往高于多数类,这挑战了传统分类技术的既定假
在大数据时代,随着各种各样数据的不断复杂化,数据样本不平衡问题愈发严峻且范围愈加广泛。而在当下的理论研究中,传统的机器学习建模方法在解决实际问题时,只有在正负类别较为均衡的情况下,才有较好的分类预测效果、较高的精确度、准确度和召回率。在样本分类差距较为悬殊的时候,传统的机器学习方法及评价指标都无法在预测的时候更加重视少数类样本,从而导致因忽略少数类样本现实意义带来的预测偏差。如何解决不平衡数据问题
模型的拟合优度检验在统计学和计量经济学领域一直很重要。时间序列框架下,模型检验的主流方法是采用Box-Pierce类型的Portmanteau检验。但是之前的研究主要是针对误差项为独立同分布情况的。对于误差项为不相关序列的时间序列模型,此时传统的Portmanteau检验统计量不再渐近服从χ2分布,因此根据χ2分布得到临界值的传统Portmanteau检验方法将失效。针对上述问题,Zhu（2016
我国法律中虽然初步对补充责任做出了规定,但是针对条文的争议却从未停止,理论界对于安保义务人补充责任的责任构成要件、追偿权是否成立等存在诸多争议,司法实践中对于安保义务人的责任范围、因果关系的确立、追责的依据等做法不一。正是基于上述的诸多争议,本文希望通过比较分析和实证分析等方法,对该制度进行全方面的分析,找出我国现有相应制度的不足,进而提出完善该制度的设想和建议。本文通过解构分析安保义务人补充责任
随着大量基因表达数据的积累,产生了对数据矩阵进行行与列同时聚类的需求,这一类算法被称为双向聚类算法。双向聚类算法有基于奇异值分解的算法,有基于图论的谱双向聚类算法,也有基于交互信息损失最小原则的信息双向聚类算法。近年来有研究团队基于对层次聚类与k均值算法的凸放松,将双向聚类问题转换为凸函数的优化问题,这样的算法被称为凸双向聚类算法。凸双向聚类算法基于凸目标函数与融合惩罚函数,由于该算法使用的损失函