基于Lasso和Cox模型的上市中小企業(yè)財(cái)務(wù)預(yù)警分析.pdf

1、1960年以來，企業(yè)財(cái)務(wù)危機(jī)預(yù)警得到了快速的研究和推廣，縱觀國內(nèi)外的科研成果，財(cái)務(wù)預(yù)警模型方法有：?jiǎn)巫兞糠治龇?，多元判別分析模型，線性概率模型，Logistic模型，神經(jīng)網(wǎng)絡(luò)模型，生存分析以及基于市場(chǎng)價(jià)值的模型等方法。這些方法各有千秋，應(yīng)用時(shí)應(yīng)該考慮到現(xiàn)實(shí)樣本數(shù)據(jù)的統(tǒng)計(jì)特征。
　　本文選用的研究方法為生存分析中的Cox模型，該方法有如下優(yōu)勢(shì)：第一，Cox模型由參數(shù)部分和非參數(shù)部分構(gòu)成，并結(jié)合兩者的優(yōu)點(diǎn)，是一個(gè)典型的半?yún)?shù)模型，不需

2、要事先知道具體分布，比較符合現(xiàn)實(shí)數(shù)據(jù)的特征。第二，Martin(1977)[2]首次應(yīng)用Logistic模型預(yù)測(cè)銀行破產(chǎn)概率，由于該模型可以解決解釋變量非正態(tài)分布的問題且計(jì)算簡(jiǎn)單方便，后來被諸多學(xué)者應(yīng)用在預(yù)測(cè)財(cái)務(wù)危機(jī)中。美中不足的是，Logistic模型需要滿足自變量間無共線性存在的樣本個(gè)數(shù)大于回歸參數(shù)個(gè)數(shù)這一限制條件，而Cox模型沒有這樣的要求。第三，在觀測(cè)期內(nèi)可能會(huì)出現(xiàn)不能提供完整信息的數(shù)據(jù)，Cox模型可以充分利用這些不完整數(shù)據(jù)，挖