基于Lasso方法与Logistic回归的上市公司财务预警分析
The Financial Early Warning Model of Listed Companies Based on Lasso Method and Logistic Regression

作者: 秦璐 , 靳雨佳 , 于卓熙 :吉林财经大学管理科学与信息工程学院,吉林 长春;吉林省互联网金融重点实验室,吉林 长春;

关键词: 高维数据Lasso方法Logistic回归财务预警High Dimensional Data Lasso Method Logistic Regression Early Warning

摘要: 一般情况下,上市公司财务数据指标越多,预警效果越好,但由于多种因素影响,财务指标过多会导致变量间具有多重共线性。本文提出一种基于Lasso方法的Logistic回归上市公司财务预警模型。首先应用Lasso法对高维数据进行变量选择,达到降低数据维度和消除变量间共线性的目的,再用Logistic回归法实现对上市公司财务状况的预警。仿真实验结果表明,本文提出的方法能够有效地消除数据的冗余性,提高预警的精确性,为企业经营者提供有效的参考意见。

Abstract: Generally, the more the financial data indicators of listed companies are, the better the early warning is; However, due to a variety of factors, excessive financial indicators lead to multiple collinearity among variables. This paper presents a financial early-warning model of Logistic regression listed companies based on Lasso method. Firstly, the Lasso method is used to select variables for high-dimensional data, which can reduce the data dimension and eliminate the collinearity between variables. Then, the Logistic regression method is used to predict the financial status of listed companies. Simulation experiment shows that the method proposed in this paper can effectively eliminate the redundancy of data, improve the accuracy of early warning, and provide effective reference for enterprise operators. 

文章引用: 秦璐 , 靳雨佳 , 于卓熙 (2017) 基于Lasso方法与Logistic回归的上市公司财务预警分析。 应用数学进展, 6, 572-582. doi: 10.12677/AAM.2017.64067

参考文献

[1] 张艳丽, 尤晓琳, 强薇, 等. 基于LASSO的企业财务危机预警与关键指标选择[J]. 河南师范大学学报: 自然科学版, 2016(3): 160-165.

[2] Hui, Z. and Trevor, H. (2005) Regularization and Variable Selection via the Elastic Net. Journal of the Royal Statistical Society, 67, 301-320.

[3] 孙浩. 基于Logistic模型的财务预警研究[D]: [硕士学位论文]. 衡阳: 南华大学, 2013.

[4] 连晓丽. 我国A股上市公司财务危机预警模型实证研究[D]: [硕士学位论文]. 厦门: 厦门大学, 2014.

[5] 秦志敏. 我国上市公司财务预警变量选择研究[D]: [博士学位论文]. 大连: 东北财经大学, 2012.

[6] 成鹏伟, 费宇. LASSO和A-LASSO方法在财务预警模型变量选择中的应用[J]. 中国证券期货, 2013(3): 110-111.

[7] 顾云燕. 基于Lasso和Cox模型的上市中小企业财务预警分析[D]: [硕士学位论文]. 兰州: 兰州大学, 2016.

[8] 杨二宝. 上市公司财务危机预警模型的实证研究[D]: [硕士学位论文]. 西安: 西北大学, 2005.

[9] 李敏捷. Lasso-Logistic与Group Lasso-Logistic模型在出生缺陷研究中的应用[D]: [硕士学位论文]. 太原: 山西医科大学, 2016.

[10] 罗昊. 基于自适应LASSO变量选择的Logistic信用评分模型研究[D]: [硕士学位论文]. 南京: 东南大学, 2016.

分享
Top