本文關(guān)鍵詞：基于LASSO方法的企業(yè)財(cái)務(wù)困境預(yù)測(cè)　出處：《統(tǒng)計(jì)與決策》2016年23期 　論文類型：期刊論文

  更多相關(guān)文章： 財(cái)務(wù)困境預(yù)測(cè) LASSO 變量選擇

【摘要】：文章綜合考慮企業(yè)的財(cái)務(wù)和非財(cái)務(wù)因素,利用LASSO方法對(duì)企業(yè)財(cái)務(wù)困境預(yù)測(cè)指標(biāo)進(jìn)行篩選,然后使用決策樹、隨機(jī)森林、SVM、最近鄰法這四種數(shù)據(jù)挖掘方法,以及常見的logistic模型,分別建立企業(yè)財(cái)務(wù)困境預(yù)測(cè)模型。結(jié)果表明:不能忽視非財(cái)務(wù)因素在企業(yè)財(cái)務(wù)困境預(yù)測(cè)中的作用;并非所有數(shù)據(jù)挖掘方法都優(yōu)于常用的logistic模型;LASSO方法能在降維的同時(shí)保證企業(yè)財(cái)務(wù)困境預(yù)測(cè)的準(zhǔn)確性,實(shí)現(xiàn)模型的精簡(jiǎn)。
[Abstract]:This paper synthetically considers the financial and non-financial factors of the enterprise, uses the LASSO method to screen the predictors of the enterprise's financial distress, and then uses the decision tree and the stochastic forest tree. The nearest neighbor method is one of the four data mining methods, as well as the common logistic model. The results show that the role of non-financial factors in the prediction of enterprise financial distress can not be ignored. Not all data mining methods are superior to the commonly used logistic model. LASSO method can reduce the dimension and ensure the accuracy of financial distress prediction.
【作者單位】： 中南財(cái)經(jīng)政法大學(xué)統(tǒng)計(jì)與數(shù)學(xué)學(xué)院;
【基金】：國(guó)家自然科學(xué)基金資助項(xiàng)目(11301545)
【分類號(hào)】：F275
【正文快照】： 0 引言 準(zhǔn)確地預(yù)測(cè)企業(yè)財(cái)務(wù)困境,有助于保護(hù)投資者、債權(quán)人,以及企業(yè)其它利益相關(guān)者的利益,也有助于經(jīng)營(yíng)者防范企業(yè)陷于財(cái)務(wù)困境,更有助于政府監(jiān)管部門對(duì)企業(yè)質(zhì)量和證券市場(chǎng)進(jìn)行有效監(jiān)控。因此無論是學(xué)術(shù)研究還是實(shí)際應(yīng)用中,關(guān)于企業(yè)財(cái)務(wù)困境預(yù)測(cè)的研究一直受到廣泛的關(guān)注。

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王建軍;;上市公司財(cái)務(wù)困境預(yù)測(cè)研究[J];經(jīng)濟(jì)師;2007年08期

2 張鳴,張艷;財(cái)務(wù)困境預(yù)測(cè)的實(shí)證研究與評(píng)述[J];財(cái)經(jīng)研究;2001年12期

3 喬卓,薛鋒,萬(wàn)軍;上市公司財(cái)務(wù)困境預(yù)測(cè)統(tǒng)計(jì)模型[J];統(tǒng)計(jì)與決策;2002年12期

4 王滿玲,楊德禮;國(guó)外公司財(cái)務(wù)困境預(yù)測(cè)研究進(jìn)展評(píng)述[J];預(yù)測(cè);2004年06期

5 張秋水;羅林開;劉晉明;;基于支持向量機(jī)的中國(guó)上市公司財(cái)務(wù)困境預(yù)測(cè)[J];計(jì)算機(jī)應(yīng)用;2006年S1期

6 龍飛;莊永友;;典則判別在財(cái)務(wù)困境預(yù)測(cè)的應(yīng)用[J];中外企業(yè)家;2006年10期

7 王見巍;;基于數(shù)據(jù)挖掘技術(shù)的財(cái)務(wù)困境預(yù)測(cè)模型的實(shí)證研究[J];統(tǒng)計(jì)與咨詢;2006年06期

8 王雪梅;王春巍;;財(cái)務(wù)困境預(yù)測(cè)研究發(fā)展變遷[J];合作經(jīng)濟(jì)與科技;2007年03期

9 楊海叢;;財(cái)務(wù)困境預(yù)測(cè)的若干問題分析[J];經(jīng)濟(jì)師;2007年04期

10 朱家安;陳志斌;;我國(guó)財(cái)務(wù)困境預(yù)測(cè)實(shí)證研究文獻(xiàn)綜述和分析[J];會(huì)計(jì)之友(上旬刊);2007年04期

相關(guān)會(huì)議論文 前2條

1 韓建光;孫潔;惠曉峰;;基于鄰域粗糙集和加權(quán)投票組合分類器的財(cái)務(wù)困境預(yù)測(cè)研究[A];第十二屆中國(guó)管理科學(xué)學(xué)術(shù)年會(huì)論文集[C];2010年

2 肖珉;周宗放;;基于互補(bǔ)雙對(duì)數(shù)模型的企業(yè)集團(tuán)財(cái)務(wù)困境預(yù)測(cè)研究[A];“中國(guó)視角的風(fēng)險(xiǎn)分析和危機(jī)反應(yīng)”——中國(guó)災(zāi)害防御協(xié)會(huì)風(fēng)險(xiǎn)分析專業(yè)委員會(huì)第四屆年會(huì)論文集[C];2010年

相關(guān)博士學(xué)位論文 前3條

1 韓建光;企業(yè)財(cái)務(wù)困境預(yù)測(cè)動(dòng)態(tài)建模研究[D];哈爾濱工業(yè)大學(xué);2011年

2 盧永艷;基于面板數(shù)據(jù)的上市公司財(cái)務(wù)困境預(yù)測(cè)[D];東北財(cái)經(jīng)大學(xué);2012年

3 徐鹿;上市公司財(cái)務(wù)困境預(yù)測(cè)實(shí)證研究[D];東北林業(yè)大學(xué);2002年

相關(guān)碩士學(xué)位論文 前10條

1 李桃;考慮投入產(chǎn)出效率的中小企業(yè)財(cái)務(wù)困境預(yù)測(cè)研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2009年

2 劉暢;基于神經(jīng)網(wǎng)絡(luò)的財(cái)務(wù)困境預(yù)測(cè)模型比較研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2009年

3 張靜;基于Mixed Logit模型的上市公司財(cái)務(wù)困境預(yù)測(cè)實(shí)證研究[D];西南財(cái)經(jīng)大學(xué);2009年

4 盧賢義;我國(guó)上市公司財(cái)務(wù)困境預(yù)測(cè)的實(shí)證研究[D];廈門大學(xué);2001年

5 吳允;我國(guó)上市公司財(cái)務(wù)困境預(yù)測(cè)研究[D];中國(guó)海洋大學(xué);2005年

6 王宏煒;我國(guó)上市公司財(cái)務(wù)困境預(yù)測(cè)的實(shí)證研究[D];西南財(cái)經(jīng)大學(xué);2002年

7 胡雋;基于經(jīng)濟(jì)增加值的企業(yè)財(cái)務(wù)困境預(yù)測(cè)研究[D];東華大學(xué);2007年

8 卿平樂;中國(guó)上市公司財(cái)務(wù)困境預(yù)測(cè)的實(shí)證研究[D];暨南大學(xué);2007年

9 鄭芳云;我國(guó)上市公司財(cái)務(wù)困境預(yù)測(cè)研究[D];浙江大學(xué);2013年

10 巫磊;基于Logit回歸模型的我國(guó)上市公司財(cái)務(wù)困境預(yù)測(cè)實(shí)證研究[D];西南財(cái)經(jīng)大學(xué);2009年

，

本文編號(hào)：1360497