基于惩罚组变量选择的COX财务危机预警模型

随着市场竞争的日益激烈,上市公司生存压力不断增大,如何从繁多的财务指标中选择重要指标,建立有效的财务危机预警模型显得尤为重要。COX模型具有对因变量分布无假设并可以对公司生存时间进行动态预测等优点,因此本文引入COX模型,并加入惩罚组变量选择CMCP方法,对具有分组结构的财务指标进行筛选。本文根据实际的财务危机数据特征设置模拟实验,并将CMCP-COX模型与Lasso-COX模型、逐步COX模型、COX模型和逐步Logistic相比,结果表明在不同的自变量相关性下CMCP-COX模型的指标筛选和预测效果均更优。实证分析中,CMCP-COX模型在测试集上的预测准确率高于80%,尤其在"危机"类别中预测准确率高于90%,其预测准确性和AUC值均优于传统的逐步Logistic回归和其他COX模型,并呈现出了理想的时点预测效果。综合对比认为CMCP-COX模型对于财务危机预测的综合表现较好,更具有现实意义。     

基于面板离散选择模型的企业财务预警及其行业适用性

基于制造业上市公司2001~2010年的平衡面板数据,在对财务指标和非财务指标进行筛选的基础上,构建了基于面板Logit模型的财务困境预警模型,并分别检验了非财务指标对财务预警模型的影响、行业差异对财务预警模型的影响以及预警临界点的选择对模型的影响。研究发现:资产负债率是财务困境预警中必须给予高度关注的指标;在非财务指标中,行业类型对模型预警能力的影响最大,应针对不同行业建立不同的财务预警模型,外部审计师出具的加说明段的无保留意见以及保留意见可以作为判断公司陷入财务困境概率的参考依据;在预警过程中可适当降低临界点以减小对财务困境公司的误判率。     

基于变量聚类和COX比例风险模型的企业财务预警研究北大核心CSSCI

以沪深两市A股上市的制造企业为样本,运用变量聚类方法,从32个财务与非财务指标中选取11个指标作为财务预警典型指标,在此基础上,建立COX比例风险模型。通过COX比例风险模型实证研究发现:速动比率、股东权益相对年初增长率、资产负债率为危险因素,增加了发生财务困境的危险性;总资产周转率、独立董事比例为保护因素,降低了发生财务困境的危险性。通过COX比例风险模型的判别能力检验,COX模型针对训练样本和测试样本的综合识别准确率均达到80%以上。研究结果证实,COX比例风险模型具有较好的财务预警判别能力。     

基于变量聚类和COX比例风险模型的企业财务预警研究

以沪深两市A股上市的制造企业为样本,运用变量聚类方法,从32个财务与非财务指标中选取11个指标作为财务预警典型指标,在此基础上,建立COX比例风险模型。通过COX比例风险模型实证研究发现:速动比率、股东权益相对年初增长率、资产负债率为危险因素,增加了发生财务困境的危险性;总资产周转率、独立董事比例为保护因素,降低了发生财务困境的危险性。通过COX比例风险模型的判别能力检验,COX模型针对训练样本和测试样本的综合识别准确率均达到80%以上。研究结果证实,COX比例风险模型具有较好的财务预警判别能力。     

基于盈利质量的DANP变权财务预警模型

高质量的盈利是企业健康持续发展的基石,财务危机是财务质量的综合表现.以和谐理论为基础,从盈利质量及其各维度的均衡性两方面分析财务危机发生的机理,并依此建立基于盈利质量金字塔的财务危机指标评价体系.考虑到评价指标间存在一定程度的相互影响的现实因素,同时为避免常权综合评价模型的属性值转移,建立决策实验室法的网络层级分析法(DANP)双层惩罚变权时间序列财务预警模型以判断企业财务状况.通过上市公司数据实证,构建财务预警综合评价值的临界区间为[0.6494,0.6547],其值越小财务危机发生的可能性越大,且预测准确率达到91.53%.在理论上对财务危机发生的机理研究具有增量贡献,在实践中对企业自身财务状况的监督具有现实指导意义.     

引入违约距离的上市公司财务危机预警应用

目前关于上市公司财务危机预警的研究大多数偏重于财务比率指标,忽略了股票价格及波动、企业的经营效率、宏观因素的制约、股权结构等非财务指标的影响。本文尝试区别同类文献研究,在KMV模型的基础上嵌入期权定价模型,通过加入反映上市公司股票价格和波动率的违约距离指标,建立一个相对动态的集财务指标、公司治理指标和违约距离指标于一体的综合财务困境预警模型。在实证基础上检验违约距离指标对于上市公司财务困境预警的适用性及有效性问题。     

基于Logit与SVM的银行业信用风险预警模型研究

本文以银行业金融机构大额授信风险及零售贷款违约风险数据为基础,从宏观经济环境、客户信贷行为、企业经营水平三个维度出发,对客户风险预警的相关指标进行系统分析,构建了企业客户风险预警指标体系,并利用统计学和数据挖掘方法,从企业财务、企业信贷行为等客户数据信息中挖掘出隐含在背后的客户风险特征.在上述分析的基础上,引入一种基于Logit与SVM的混合预警模型.该模型除了具有单个模型的良好基本性质,还能够充分捕捉和有效刻画影响因素对于客户违约的线性和非线性的复杂特征.实证结果表明,新的模型具有更好的泛化能力,对客户信贷风险具有较高的预警准确率.     

基于自然语言处理与深度学习的信用贷款评估模型

针对目前信用贷款评估模型存在特征预处理复杂、受主观因素干扰、准确率较低的现象，提出一种新模型。该模型先组建连续性信贷特征文本数据，并使用Word2Vec算法进行词向量化后通过词嵌入层衔接CNN（卷积神经网络）进行评估，通过Keras框架并依据2008~2018年的银行个人信贷数据进行实证分析。结果表明：新模型的总体评估准确率高达91.7%，无需对缺失特征进行处理并可直接评估，且评估准确率更优异，达到85.8%。新模型将离散型的信贷特征转变为连续性文本，降低特征预处理复杂度，结合Word2Vec与自然语言处理实现直接评估缺失信贷特征的目的，并基于CNN优异的特征分析能力最终提高信贷评估模型鲁棒性，进一步改善了目前信用贷款评估模型中存在的部分问题，同时避免评估中主观因素的干扰。     

企业财务困境修正Z模型的实证研究

针对奥特曼Z模型的不足之处进行了修正，寻找尽可能准确预测财务困境的模型，并选取我国上市公司中41家财务陷入困境的公司和41家财务正常的公司为样本，应用逐步回归分析法，研究了财务困境出现前2年这两类公司的20个财务指标，从中选定7个指标作为预测变量，主要采用Fisher判别分析和Logistic回归分析两种方法分别建立了财务困境预测模型。实证研究结果表明这2个模型与奥特曼的Z模型相比均有较好的预测效果，针对我国上市公司财务困境的预测准确度有显著提高。     

基于Aalen可加模型的中国上市公司ST预测

针对上市公司特别处理(简称ST)政策，基于公司连续2年净利润为负的特征，利用生存分析方法，建立Aalen可加模型来预测上市公司财务困境。采用中国各制造业公司自上市日起到2015年的财务数据进行实证分析，讨论上市公司违约概率与财务预警指标间的关系。研究结果表明，总资产规模、营业利润率、运营资金/资产总金额、留存的收益/资产总金额四个指标均影响上市公司陷入财务困境的强度，即这四个指标具有稳健性；除了总资产规模对其影响是常数外，其他3个指标对其影响均具有时变性；且总资产规模越大，该公司陷入财务困境的可能性越小。     

基于脸部特征和头部姿态的疲劳检测方法

针对疲劳驾驶检测方法存在疲劳特征单一、鲁棒性低和不能因驾驶员不同定制疲劳阈值等问题,提出了一种基于脸部特征和头部姿态的疲劳检测方法。利用HOG(histogram of oriented gradients)特征算子和回归树算法进行人脸检测和人脸关键点定位;通过脸部关键点结合坐标系变换估计头部姿态欧拉角;建立深度残差神经网络模型对眼部疲劳特征进行提取,同时结合眼部、嘴部纵横比和头部姿态欧拉角进行疲劳特征提取;利用眼部、嘴部和头部姿态疲劳特征建立针对不同驾驶员的支持向量机模型对疲劳驾驶进行预警。实验表明：在YawDD和自建疲劳模拟数据集上,该方法均表现出较高的准确率和鲁棒性,在某一疲劳特征检测受阻时依然能进行较好的疲劳预警。     

考虑财务报告中文本风险信息的财务困境预测

现有的财务困境预测研究大多忽略了公司在年度财务报告中以文本形式披露的风险信息,而相比于公司披露的其他类型的文本,这些风险信息能够更加直接和前瞻地反映公司经营中的潜在重要风险。创新性地引入财务报告中的文本风险信息进行财务困境预测,并构建了能够反映所披露的风险对公司产生影响的可能性的文本特征指标——风险可能性,而后采用机器学习方法构建预测模型。基于2006~2020年美国35706个上市公司年度样本的实证研究发现：在常用的财务及市场各类定量指标的基础上,融合财务报告中的文本风险信息能够显著提升公司财务困境的预测效果;相比于其他常用文本特征指标,本研究提出的风险可能性指标在财务困境预测中表现的重要度最高;定量指标的财务困境预测能力随着预测时间窗口的提前而明显下降,而文本风险信息的预测能力不仅没有下降,还呈现出了更为显著的提升效果。本研究可以帮助市场投资者、监管机构理解如何解读公司在财务报告中披露的文本风险信息,并为实现财务困境预测中融合文本信息提供了理论指导。     

基于最优信用特征组合的违约判别模型——以中国A股上市公司为例

违约判别是信用风险评估的一种方式，提高违约判别精度一直是学界和业界重点关注的问题.本文从最优信用特征组合而不是最优指标组合的角度建立违约判别模型，提高违约判别精度.本文的创新有三个方面：一是以信息值最大为目标建立优化模型，将指标数据划分成能最大区分违约状态的多个信用特征.二是采用弹性网回归对信用特征进行遴选，反推违约判别误差最小的最优信用特征组合.三是以组间离散度与组内离散度之比最大为目标，构建数学规划，反推一组权重，得到线性判别方程.本文基于2000-2017年共2169家中国A股上市公司的数据进行实证，研究表明经过特征划分的线性判别分析、K近邻、支持向量机等模型的精度整体高于没有经过特征划分的模型精度.     

股指期货操纵预警的Logistic模型实证研究

通过建立Logistic回归模型判别股指期货被操纵的可能性,将股指期货是否被操纵的问题转化为根据一定时期内股指期货市场的波动性以及流动性指标计算股指期货在一定时间内被操纵的概率,建立了股指期货操纵事件的预警模型.选取香港恒生指数期货操纵时段和对应的非操纵时段,进行了预警模型的实证检验,证明了该模型可以对股指期货操纵事件起到较好的预警作用.研究发现,在股指期货市场中,操纵期与非操纵期的交易量和空盘量显著不同,而反映市场波动性的收益率指标的变化并不显著,对操纵行为是否发生可以使用空盘量和交易量构建模型进行判别.Logistic模型可以很好的识别股指期货市场上的操纵行为,在进入操纵期以后,根据模型计算出的操纵事件的发生概率发生了显著的变化.     

Large Dynamic Covariance Matrix Estimation with an Application to Portfolio Allocation: A Semiparametric Reproducing Kernel Hilbert Space Approach

The estimation of high dimensional covariance matrices is an interesting and important research topic for many empirical time series problems such as asset allocation. To solve this dimension dilemma, a factor structure has often been taken into account. This paper proposes a dynamic factor structure whose factor loadings are generated in reproducing kernel Hilbert space (RKHS), to capture the dynamic feature of the covariance matrix. A simulation study is carried out to demonstrate its performance. Four different conditional variance models are considered for checking the robustness of our method and solving the conditional heteroscedasticity in the empirical study. By exploring the performance among eight introduced model candidates and the market baseline, the empirical study from 2001 to 2017 shows that portfolio allocation based on this dynamic factor structure can significantly reduce the variance, i.e., the risk, of portfolio and thus outperform the market baseline and the ones based on the traditional factor model.

     

基于双向编码转换器和文本卷积神经网络的微博评论情感分类

对微博多分句的评论,ELMo-Text CNN、GPT等模型不能准确提取文本上下文联系,导致分类效果不理想.为了解决此问题,采用BERT-Text CNN模型,利用BERT独特自注意力机制的双向编码转换器结构获得具有句子全局特征的字向量,将字向量输入到Text CNN中,利用Text CNN捕获局部特征的能力,最终提取...     

基于改进NSGA3的焊接缺陷评估特征选择

在基于多源信息融合的焊接缺陷评估中, 特征选择对提高评估精度与速度发挥着重要作用。多源特征集由电弧电特征与电弧声音特征组成, 其特点在于特征集中存在冗余与互补特征。因此, 本文提出一种基于改进非支配排序遗传算法-Ⅲ(non-dominated sorting genetic algorithm-Ⅲ, NSGA3)的多目标特征选择方法, 旨在从多源特征集中找到最优特征子集。该方法首先对特征集进行相关、冗余和互补特性分析, 再以冗余性最小, 相关性与互补性最大为目标建立多目标特征选择优化模型。并基于相关、冗余和互补评价函数提出一种新的变异算子来引导变异过程, 以减少无效特征的影响, 提高收敛效率。实验采用支持向量机作为学习器来验证学习效果, 结果表明, 所提方法与其他3种方法相比, 可以在特征子集维度和预测精度方面获得更好的性能。     

上市公司财务失败预测实证研究

如何合理、有效地利用企业披露的财务信息防范企业财务失败,是企业持续经营与发展的一项重要内容,这就要求加强事前对未来可能出现的财务失败进行科学、准确地预测。本文构建了反映上市公司经营业绩和水平的综合财务预警指标体系;应用多元统计分析,以沪深股市的上市公司为样本,建立了中国工业类上市公司财务失败预测模型,给出了所研究上市公司的Z值范围;并应用该模型对预测样本进行实证研究。预测结果显示,该预测模型是预测上市公司财务失败的一种有效、实用的方法。最后对预测模型的适用性、准确性以及与模型有关的上市公司财务信息披露的问题进行了探讨。