基于lasso和cox模型的上市中小企业财务预警分析

《基于lasso和cox模型的上市中小企业财务预警分析》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：公开专业学位研究生学位论文论文题目(中文)基于Lasso和Cox模型的上市中小企业财务预警分析FinancialEarlyWarningAnalysisofQuotedSMEs论文题目(外文)BasedonLassoandCoxModel研究生姓名顾云燕学位类别应用统计专业学位领域学位级别硕士校内导师姓名、职称刘卫玮讲师校外导师姓名、职称论文工作起止年月2015年3月至2016年4月论文提交日期2016年4月论文答辩日期2016年5月学位授予日期校址：甘肃省兰州市原创性声明本人郑重声明：本人所呈交的学位论文，是在导师的指导下独立进行研究所取得的成果。学位论文中凡

2、引用他人已经发表或未发表的成果、数据、观点等，均已明确注明出处。除文中已经注明引用的内容外，不包含任何其他个人或集体已经发表或撰写过的科研成果。对本文的研究成果做出重要贡献的个人和集体，均已在文中以明确方式标明。本声明的法律责任由本人承担。论文作者签名：日期：关于学位论文使用授权的声明本人在导师指导下所完成的论文及相关的职务作品，知识产权归属兰州大学。本人完全了解兰州大学有关保存、使用学位论文的规定，同意学校保存或向国家有关部门或机构送交论文的纸质版和电子版，允许论文被查阅和借阅；本人授权兰州大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用任何复制手段保存

3、和汇编本学位论文。本人离校后发表、使用学位论文或与该论文直接相关的学术论文或成果时，第一署名单位仍然为兰州大学。本学位论文研究内容：□可以公开□不易公开，已在学位办公室办理保密申请，解密后适用本授权书。（请在以上选项内选择其中一项打“√”）论文作者签名：导师签名：日期：日期：基于Lasso和Cox模型的上市中小企业财务预警分析摘要1960年以来，企业财务危机预警得到了快速的研究和推广，纵观国内外的科研成果，财务预警模型方法有：单变量分析法，多元判别分析模型，线性概率模型，Logistic模型，神经网络模型，生存分析以及基于市场价值的模型等方法。这些方法各有千秋，应用时应该考虑

4、到现实样本数据的统计特征。本文选用的研究方法为生存分析中的Cox模型，该方法有如下优势：第一，Cox模型由参数部分和非参数部分构成，并结合了两者的优点，是一个典型的半参数模型，不需要事先知道具体分布，比较符合现实数据的特征。第二，Martin(1977)[2]首次应用Logistic模型预测银行破产概率，由于该模型可以解决解释变量非正态分布的问题且计算简单方便，后来被诸多学者应用在预测财务危机中。美中不足的是，Logistic模型需要满足自变量间无共线性存在的样本个数大于回归参数个数这一限制条件，而Cox模型没有这样的要求。第三，在观测期内可能会出现不能提供完整信息的数据，C

5、ox模型可以充分利用这些不完整数据，挖掘出更多有用信息，从而使所建立的模型更加精准。本文通过合适的变量选择方法，Lasso，选择出所需变量，将70%的样本用于建模，30%的样本用于预测，结合Cox这一生存分析方法建立了上市中小企业财务预警模型，模型的准确率为84%，有一定的参考价值。关键词：财务预警;Lasso;Cox模型IFinancialEarlyWarningAnalysisofQuotedSMEsBasedonLassoandCoxModelAbstractSincethe1960s,FinancialEarlyWarningAnalysisofSmallandMed

6、iumen-terpriseshasbeenrapidlyresearchedandpromoted.Therearesomemethodsaboutfinancialwarning,forexample,UnivariateAnalysis,MultipleDiscriminantAnalysisModel,LinearProbabilityModel,LogisticModel,NeuralNetworkModel,SurvivalAnalysisandthemodelbasedonmarketvalueansoon.Eachapproachhasadvantages,h

7、owever,weshouldtakethenumericalcharacteristicsofsampledataintoaccount.Inthisthesis,Coxistheresearchmethod.TheCoxmodelhavethefollowingadvantages:First,TheCoxmodelcomposedbytheparametersandnon-parameters,Itcombinestheadvantagesofparametricsandnon-parametri