不平衡数据的企业财务预警模型研究
外文标题：Financial Early Warning System Based on Imbalanced Dataset
文献类型：期刊
作者：李扬[1]
机构：[1]中国人民大学应用统计科学研究中心,北京100872;中国人民大学统计学院,北京100872
[2]中国人民大学统计学院,北京,100872
[3]中国人民大学统计学院,北京100872;美国耶鲁大学生物统计学系,康涅狄格州纽黑文06511
年：2016
期刊名称：数理统计与管理
卷：35
期：5
页码范围：893-906
增刊：正刊
收录情况：中文核心期刊要目总览
所属部门：统计学院
语言：中文
ISSN：1002-1566
链接地址：http://d.g.wanfangdata.com.cn/Periodical_sltjygl201605014.aspx
DOI：10.13860/j.cnki.sltj.20160722-001
基金：国家自然科学基金青年项目(71301162)/国家社会科学基金(13CTJ001)
关键词：加权的L1正则化支持向量机;不平衡样本;特征选择;财务预警
摘要：在股票市场中,由于被评为“ST”的公司数量远远少于普通的公司,所以用于训练财务预警模型的数据有着严重的不平衡性.而一般的分类模型如logistic回归等并不具备处理不平衡数据的能力.本文应用加权L1正则化支持向量机(w-L1SVM)构建一个可以处理不平衡数据的财务预警模型:一方面,w-L1SVM通过对两类样本的损失函数进行加权处理,有效地解决了样本不平衡性带来的预测精度问题;另一方面,w-L1SVM通过引入LASSO罚,使得模型在训练的过程中可以直接进行特征选择.通过数值模拟,本文验证了w-L1SVM在非平衡数据分类问题中的预测和特征选择表现.在实证研究中,本文针对我国股票市场机械、设备、仪表板块中的上市公司构建了一个基于w-L1SVM的财务预警模型,结果显示基于w-L1SVM的财务预警模型可以有效选择重要的财务指标并预测被评为“ST”的公司,并且其预测效果显著优于非加权的传统模型,这充分说明了w-L1SVM在财务预警问题中的适用性.
作者其他论文
有监督Group MCP方法的稳健性研究.李淞淋;李扬;易丹辉.统计与信息论坛.2014,11-17.
对PLS路径模型在综合评价应用中"优势"的审视.斯介生;李扬;肖宏伟,等.现代管理科学.2014,105-107.
两岸交流对台湾民众的影响研究:利益,认同与投票行为.于强;耿曙;李扬.理论月刊.2015,111-117.
面板数据模型的惩罚似然变量选择方法研究.李扬;曾宪斌.统计研究.2014,31(3),83-89.
机械类上市公司市盈率影响因素的研究.杨虎;易丹辉;肖宏伟,等.统计与决策.2014,158-162.
