《基于LASSO回归模型的投融资风险及其防范和化解策略分析综述》5400字.docx

基于LASSO回归模型的投融资风险及其防范和化解策略分析综述

目录

TOC\o1-2\h\u7489基于LASSO回归模型的投融资风险及其防范和化解策略分析综述 1

47651.1投资风险概述 1

235371.2投资者的风险防范和化解策略 2

7791（4）重复步骤（2）和步骤（3）直至收敛。 3

275081.3互联网金融企业的风险防范和化解策略 5

141051.3.1不考虑外部效应时的非线性定价方法 5

111321.3.2基于霍特林模型的考虑外部效应的定价方法 6

148641.3.3信用风险的测度与防范 7

138351.4融资者的风险防范和化解策略 8

189821.1.1融资时的两难选择 8

143631.1.2融资前的投资者—融资者的贝叶斯博弈 9

306041.1.3运营中的投资者—融资者线性契约设计 11

1.1投资风险概述

互联网金融行业的投融资风险存在于投资者与金融平台、金融平台与融资企业之间，主要包括信用风险、市场风险和流动性风险。

信用风险是互联网金融企业的投资风险中占比例最大的一类风险，据统计，互联网金融行业面临的信用风险比债券、银行贷款更高。而在发生信用风险的企业中，民营企业的信用风险占比最高。这是因为：互联网金融借贷的利率往往高于债券和银行贷款的利率，特别是一些民营企业，由于其用于担保的抵押品少，且经营风险大，贷款利率极高，根据逆向选择理论，高利率会将很多风险低的优质借款者逐出市场，反而吸引了很多高危借款者，提高了互联网金融借贷的整体风险水平。

市场风险是指借贷利率发生突发变动而造成投资者或融资者利益损失的风险。根据久期理论，久期与其到期收益率成反比，期限越长，到期收益率越低，市场风险越大。据P2P网贷平均借款期限时间序列分析结果显示，P2P网贷平均借款期限呈上升态势，这显示出互联网金融行业的市场风险有上升趋势。

流动性风险主要体现在投资者无法及时取现投资资金、借款者无法获得足够的资金、借款者面临投资者突然撤资或不再展期、借款者被强制还款时无法顺利抛售资产等方面，它的根源在于期限错配，即投资者提供资金的期限小于借款者提供资产的期限。

1.2投资者的风险防范和化解策略

投资者面临何种程度的信用风险，不同程度的信用风险会对投资者造成多大的损失，这些都是不可直接观测和衡量的。著名财务专家EdwardIAltman建构的Z评分模型，甄别出了对财务风险有关键作用的指标，是观测企业的财务困境的传统途径。但是，随着时间的推移和企业的营商环境的动态变化，根据这五个财务指标预测财务风险的精准程度也发生了变化，在变化发展的环境下，Z评分模型对于许多变化的敏感性不足，因此其并非是预测财务风险的最佳方法。

企业是否处于财务风险状态显然是一个服从二项分布的变量，并且，企业的财务风险尺度是一个数值型变量，对这类变量适合运用Logistic回归进行分析。企业的财务分析涉及众多财务指标，但并非所有的财务指标均与财务风险状态有相关关系，所以，这一分析包含一定程度的多重共线性。多重共线性的存在会使参数估计量的经济意义不合理，使模型的预测失去意义。

LASSO回归模型是一种处理具有多重共线性数据的有偏的压缩估计法。这一方法的基本原理是：通过逐步稀释，过滤一些影响力度小的回归系数，剔除冗杂指标，使得估计模型逐步趋于精准和简练，最终得出估计结果。

构建LASSO回归函数：

（4-1）

运用下述步骤进行分析：

（1）基于迭代次数S=0，计算初始估计值；

（2）基于迭代次数S=1，计算回归函数极大似然函数的无偏估计量；

（3）基于迭代次数S=2，计算更新后的估计值；

（4）重复步骤（2）和步骤（3）直至收敛。

基于上述方法，选取2020年度部分ST股票进行分析，选取的股票如下：

表4—1财务风险预警模型选取分析样本股票代码及名称表

因变量Y=1为“被ST”或“被*ST”，运用10折CV法，结合R语言分析工具中CV和Grpreg包进行分析，经过聚类分析的指标筛选，包括流动比率在内的15个指标对企业的财务风险具有预测功能，这些指标如下：

表4—2财务风险预警模型指标及其指代意义参照表

经过模型拟合，对于偿债能力指标，在期的拟合中，速动比率、现金比率进入分析，而在期，流动比率进入分析，在期，资产负债率进入分析。对于盈利与发展能力指标，在期的拟合中，资产减值损失比率、净资产增长率进入分析，而在期，销售净利润增长率、营业成本率、净资产增长率进入分析，在期，销售净利润增长率、资本回报率、权益收益率进入分析。对于企业价值指标，市盈率、市值面值比、企业价值乘数依次进入分析。迭代三次的财务预警模型分别是：

（4-2）

根据上述财务预警模型，验