基于lasso方法的企业财务困境预测.pdfVIP

网络出版时间：2016-12-09 16:17:15 网络出版地址：/kcms/detail/42.1009.C1617.049.html DOI:10.13546/ki.tjyjc.2016.23.046 企业 管 理 基于LASSO方法的企业财务困境预测 杨青龙，田晓春，胡佩媛 （中南财经政法大学 统计与数学学院，武汉430073） 摘 要：文章综合考虑企业的财务和非财务因素，利用LASSO 方法对企业财务困境预测指标进行筛选，然 后使用决策树、随机森林、SVM、最近邻法这四种数据挖掘方法，以及常见的logistic 模型，分别建立企业财务困 境预测模型。结果表明：不能忽视非财务因素在企业财务困境预测中的作用；并非所有数据挖掘方法都优于常 用的logistic 模型；LASSO 方法能在降维的同时保证企业财务困境预测的准确性，实现模型的精简。 关键词：财务困境预测；LASSO ；变量选择 中图分类号：F270.5 文献标识码：A 文章编号：1002-6487（2016）23-0170-04 进一步筛选预测指标。另外，我们知道判别分析法只能用 0 引言 于自变量全部为数量变量的情形，而本文的预测指标还包 括一些分类变量，因此本文最后选择最常用的logistic模 准确地预测企业财务困境，有助于保护投资者、债权 型，以及决策树、随机森林、SVM、KNN等数据挖掘方法建 人，以及企业其它利益相关者的利益，也有助于经营者防 立预测模型，通过对比指标筛选前后的均方误差和预测准 范企业陷于财务困境，更有助于政府监管部门对企业质量 确度来选择最符合国情的企业财务困境预测模型。 和证券市场进行有效监控。因此无论是学术研究还是实 际应用中，关于企业财务困境预测的研究一直受到广泛的 1 理论介绍 关注。 近些年来，国内许多学者对企业财务困境预测问题进 1.1 LASSO基本思想 行了探讨，但是进行实证分析的文献不多。本文将综合考 Tibshirani(1996)在Frank(1993)的桥回归（BridgeRe- 虑影响企业财务困境的财务和非财务因素，利用在大规模 gression）和Bireman(1995)的非负绞除法（Non-negative 数据变量模型中具有良好的变量选择性质的LASSO方法 Garrote）基础上，提出了一种新的变量选择方法，即LASSO 基金项目：国家自然科学基金资助项目 作者简介：杨青龙（1981—），男，河南南阳人，博士，副教授，研究方向：金融统计。 田晓春（1991—），女，福建三明人，硕士研究生，研究方向：金融统计。 论，并借助蒙特卡罗模拟数值解法重新探究了RD项目 参考文献： 的价值评估问题，研究结论归纳为： [1]Brosch R. Portfolio-aspects in Real Options Management[J]. P