基于glm和glmm的财务预测研究——以制造业上市公司为例

《基于glm和glmm的财务预测研究——以制造业上市公司为例》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号密级UDC学校代码硕士研究生学位论文基于GLM和GLMM的财务预测研究——以制造业上市公司为例学院（部、所）：统计与数学学院专业：统计学研究方向：应用统计学姓名：成鹏伟导师：费宇教授论文起止时间：2012年5月～2013年5月学位论文原创性声明声明：本人所呈交的学位论文，是本人在导师的指导下，独立进行研究工作所取得的成果。尽我所知，除文中已经注明引用的内容外，本论文不含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。论文作者签名：日期：年月日学位论文版权使

2、用授权书本人完全了解云南财经大学有关保留、使用学位论文的规定，即：学校有权保留并向国家有关部门或机构送交论文和论文电子版，允许学位论文被查阅或借阅；学校可以公布学位论文的全部或部分内容，可以采用影印、缩印或其它复制手段保存、汇编、发表学位论文；授权学校将学位论文的全文或部分内容编入、提供有关数据库进行检索。（保密的学位论文在解密后遵循此规定）论文作者签名：导师签名：日期：年月日日期：年月日摘要摘要如何准确预测上市公司财务危机是一个有重要实际意义的问题，但也是一个困难的问题，原因在于：预测的准确性不但取决于统计模型的好坏，而且与变量的选择也有密切关系。本文从变量选择

3、出发，基于两个常用模型——广义线性模型和广义线性混合模型来构建上市公司财务预警模型，研究模型选择与变量选择对财务预测的影响。本文选取120家制造业上市公司2006-2012年的相关财务数据，构建了原始指标集，初步分析发现这些指标之间存在较强的相关性。本文研究的因变量是上市公司是否被ST，它是一个0-1变量服从伯努利分布是二项分布的一种特殊形式，本文采用广义线性模型进行拟合。因此，本文建立广义线性模型采用逐步回归、LASSO和SCAD方法进行变量选择。依据选择的变量构建了3个广义线性模型，通过比较模型选取变量的个数、变量的经济意义、模型的拟合效果以及模型的预测效果，

4、我们认为SCAD变量选择方法得到的模型最为理想，LASSO方法和逐步回归方法的效果较差。其中LASSO方法对于ST公司的预测效果是三者中最差的；逐步回归方法选取的变量中有2个变量的经济意义与现有的财务理论不符。接下来，本文根据上述3种方法选取的变量分别构建广义线型混合模型。我们知道，通常情况下不同行业的上市公司平均来看面临的财务风险不同，基于这样的考虑本文引入新财富行业分类标准，结合上述3种方法选取的变量构建了3个广义线性混合模型。结果显示3个模型的整体效果非常的接近，SCAD方法得到的模型要稍好些。本文通过比较广义线性混合模型与广义线性模型发现进行财务预测研究时

5、，广义线型混合模型具有如下几方面的优势：（1）模型的随机效应部分符合目前行业的发展特点，可以很好的解释现实的各个行业状况；（2）模型更加简洁，广义线性混合模型的固定效应部分包含的变量个数明显的小于广义线性模型。（3）广义线性混合模型的预测精度相比广义线性模型都有所提高。此外，进一步对广义线性混合模型与数据挖掘方法进行比较，发现广义线性混合模型也优于数据挖掘的方法，具体表现在简洁性和实用性上。I摘要本文的研究表明，进行财务危机预测时，变量选择的好坏直接关系到模型的预测精度。SCAD变量选择方法得到的广义线性模型明显的优于LASSO和逐步回归方法得到的模型。此外，统计

6、模型的好坏也直接影响到财务预测的准确性，相比广义线性模型，广义线型混合模型的预测精度都有一定程度的提高，并且模型更加精简、更加符合经济意义。关键词：财务预测；变量选择；广义线性模型；广义线性混合模型IIAbstractAbstractHowtoaccuratelypredictthefinancialcrisisoflistedcompaniesisanimportantandmeaningfulissue,butalsoaverydifficultproblem.Thereasonistheaccuracyoftheforecastsnotonlydepends

7、onthestatisticalmodel,butalsoiscloselyrelatedontheselectionofvariables.Thispaperstartsfromthevariableselectionbasedontwocommonlyusedmodels—generalizedlinearmodels(GLMs)andgeneralizedlinearmixedmodels(GLMMs)tobuildthefinancialearly-warningmodelsoflistedcompanies,aswellasstudytheinfluen

8、ceoft