基于稀疏主成分的我國(guó)上市公司信用風(fēng)險(xiǎn)評(píng)價(jià)與預(yù)測(cè)
發(fā)布時(shí)間:2021-12-09 10:25
把我國(guó)2016-2018年滬深A(yù)股上市公司中164家ST公司作為信用違約樣本,492家非ST上市公司作為非違約樣本進(jìn)行實(shí)證研究.從營(yíng)運(yùn)能力、償債能力、盈利能力和成長(zhǎng)能力等4個(gè)方面選取了25個(gè)財(cái)務(wù)指標(biāo),然后運(yùn)用稀疏主成分方法提取主成分因子,并加入公司規(guī)模、第一大股東持股比例和股權(quán)質(zhì)押3個(gè)非財(cái)務(wù)指標(biāo),作為L(zhǎng)ogistic回歸模型的輸入?yún)?shù).在此基礎(chǔ)上構(gòu)建Logistic模型進(jìn)行信用風(fēng)險(xiǎn)評(píng)價(jià)和預(yù)測(cè).
【文章來(lái)源】:經(jīng)濟(jì)數(shù)學(xué). 2020,37(03)
【文章頁(yè)數(shù)】:6 頁(yè)
【文章目錄】:
1 引言及文獻(xiàn)綜述
2 我國(guó)上市公司信用風(fēng)險(xiǎn)評(píng)價(jià)
2.1 樣本公司與指標(biāo)選取
2.2 稀疏主成分分析
2.3 Logistic模型風(fēng)險(xiǎn)評(píng)價(jià)與預(yù)測(cè)
3 結(jié)論與政策建議
【參考文獻(xiàn)】:
期刊論文
[1]基于Lasso-logistic模型的個(gè)人信用風(fēng)險(xiǎn)預(yù)警方法[J]. 方匡南,章貴軍,張惠穎. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究. 2014(02)
[2]主成分分析法下企業(yè)信用風(fēng)險(xiǎn)評(píng)估研究[J]. 鄭享清,王見(jiàn),吳莉君. 財(cái)會(huì)通訊. 2010(23)
[3]財(cái)務(wù)困境預(yù)測(cè)研究中應(yīng)注意的幾個(gè)問(wèn)題[J]. 章之旺,邵君利. 統(tǒng)計(jì)與決策. 2004(11)
[4]我國(guó)上市公司財(cái)務(wù)困境的預(yù)測(cè)模型研究[J]. 吳世農(nóng),盧賢義. 經(jīng)濟(jì)研究. 2001(06)
[5]上市公司財(cái)務(wù)惡化預(yù)測(cè)的實(shí)證分析[J]. 陳靜. 會(huì)計(jì)研究. 1999(04)
本文編號(hào):3530479
【文章來(lái)源】:經(jīng)濟(jì)數(shù)學(xué). 2020,37(03)
【文章頁(yè)數(shù)】:6 頁(yè)
【文章目錄】:
1 引言及文獻(xiàn)綜述
2 我國(guó)上市公司信用風(fēng)險(xiǎn)評(píng)價(jià)
2.1 樣本公司與指標(biāo)選取
2.2 稀疏主成分分析
2.3 Logistic模型風(fēng)險(xiǎn)評(píng)價(jià)與預(yù)測(cè)
3 結(jié)論與政策建議
【參考文獻(xiàn)】:
期刊論文
[1]基于Lasso-logistic模型的個(gè)人信用風(fēng)險(xiǎn)預(yù)警方法[J]. 方匡南,章貴軍,張惠穎. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究. 2014(02)
[2]主成分分析法下企業(yè)信用風(fēng)險(xiǎn)評(píng)估研究[J]. 鄭享清,王見(jiàn),吳莉君. 財(cái)會(huì)通訊. 2010(23)
[3]財(cái)務(wù)困境預(yù)測(cè)研究中應(yīng)注意的幾個(gè)問(wèn)題[J]. 章之旺,邵君利. 統(tǒng)計(jì)與決策. 2004(11)
[4]我國(guó)上市公司財(cái)務(wù)困境的預(yù)測(cè)模型研究[J]. 吳世農(nóng),盧賢義. 經(jīng)濟(jì)研究. 2001(06)
[5]上市公司財(cái)務(wù)惡化預(yù)測(cè)的實(shí)證分析[J]. 陳靜. 會(huì)計(jì)研究. 1999(04)
本文編號(hào):3530479
本文鏈接:http://sikaile.net/jingjilunwen/huobiyinxinglunwen/3530479.html
最近更新
教材專著