長期以來,股票破發(fā)問題一直困擾著各國證券市場,因此關(guān)于股票破發(fā)方面的研究也屢見不鮮。近些年隨著我國股票市場的日益發(fā)展,上市公司不斷增多,股票破發(fā)現(xiàn)象也頻頻出現(xiàn)。2010-2012年期間,上市新股出現(xiàn)大面積破發(fā),有的甚至上市首日即破發(fā),此后,IPO暫停直至2014年1月,IPO重啟之后,新股破發(fā)現(xiàn)象得到初步好轉(zhuǎn),但好景不長,隨著近兩年來上市的紅蜻蜓、步長制藥、三角輪胎等次新股相繼于2017年年底左右跌破發(fā)行價,股票破發(fā)又漸漸被人們所提起。股票的不斷破發(fā)不僅違背了股市健康發(fā)展原則,也嚴(yán)重?fù)p害了上市公司、投資者甚至承銷商的利益,因此對股票破發(fā)現(xiàn)象進(jìn)行研究,找出其影響因素和本質(zhì)原因,進(jìn)而為股票市場的合理調(diào)控提供一定的理論支持,具有至關(guān)重要的意義。研究選取2010-2017年132支破發(fā)或瀕臨破發(fā)的股票為研究樣本,首先以2014年為時間節(jié)點,分別對2010-2014年和2014-2017年兩段時間內(nèi)的破發(fā)股票進(jìn)行描述性分析,初步找出股票破發(fā)影響因素;其次基于總研究樣本,運用Lasso變量選擇法篩選出對股票破發(fā)影響顯著的指標(biāo),建立股票破發(fā)Cox預(yù)測模型,定量給出各指標(biāo)對股票破發(fā)的影響方向和影響程度,進(jìn)一步對所得模型進(jìn)行優(yōu)化處理,得出按時段的分層Cox模型,最后再與基于Lasso懲罰的Logistic回歸模型結(jié)果進(jìn)行實證對比。分析表明:2010-2014年間與2014-2017年間的股票破發(fā)呈現(xiàn)出不同的特征,2014年前時間段內(nèi)的破發(fā)股票較之其后時間段內(nèi)范圍廣、幅度大;股票發(fā)行價格、首日抑價率、破發(fā)程度、上證指數(shù)、深證指數(shù)等均對股票破發(fā)影響顯著;其中破發(fā)程度、首日抑價率和深證指數(shù)等指標(biāo)對股票的破發(fā)有抑制作用,而發(fā)行價格、總股數(shù)日換手率等指標(biāo)則起推動作用;利用基于Lasso懲罰的Cox模型對股票破發(fā)進(jìn)行研究效果優(yōu)于基于Lasso懲罰的Logistic模型。最后根據(jù)理論分析和實證擬合所得結(jié)果,提出了要加大落實市場各方責(zé)任,提高新股定價合理性;不斷完善信息披露制度,提高市場透明度;提升投資者專業(yè)素質(zhì),創(chuàng)造良好市場壞境的相應(yīng)對策建議。
【學(xué)位單位】：華中師范大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2018
【中圖分類】：F832.51
【部分圖文】：

（３）行業(yè)分布??不同行業(yè)股票破發(fā)情況也不盡相同，本節(jié)主要就所選破發(fā)股票樣本按行業(yè)分??類加以統(tǒng)計分析［８］。研宄給出破發(fā)股票樣本按行業(yè)分布情況，如下圖１所示。??由圖一不難看出，破發(fā)股票樣本主要集中于Ｃ類（制造業(yè)）行業(yè)板塊中，該??行業(yè)含所選破發(fā)股票總樣本中的７９支股票，占比高達(dá)７５％；其次是Ｉ類（信息傳??輸、軟件和信息技術(shù)服務(wù)業(yè)）行業(yè)板塊，該行業(yè)破發(fā)樣本數(shù)１２支，占總樣本數(shù)??１１％；然后是Ｆ類（批發(fā)與零售業(yè)）和Ｍ類（科學(xué)研宄和技術(shù)服務(wù)業(yè)）行業(yè)，這??兩大行業(yè)內(nèi)所含破發(fā)股票樣本分別４支和３支；而Ａ類（農(nóng)林牧漁業(yè)）、Ｂ類（采??礦業(yè)）、Ｄ類（電力、熱力、燃?xì)饧八纳a(chǎn)和供應(yīng)業(yè)）、Ｅ類（建筑業(yè)）、Ｊ??類（金融業(yè)）、Ｓ類（綜合類）行業(yè)均有分布破發(fā)股票，但數(shù)量較少。??Ｊ，?１，１％?－??Ｄ，?１，１％?．?－?：?：?：?：？?＾??Ｖ－：?Ｘ：＇－：．．?ｖ．－Ｘ＇Ｖ：?？：?＞；＇：??Ｆ?｜??ｓｓ?｜??■?Ｊ??篇ｓ??０

股票破發(fā)時間的影響展開實證分析。首先通過Ｌａｓｓｏ篩協(xié)變量指標(biāo)，再分別應(yīng)用Ｃｏｘ回歸和Ｌｏｇｉｓｔｉｃ回歸立股票破發(fā)預(yù)測模型。??變量選擇??據(jù)的統(tǒng)計特征，發(fā)現(xiàn)部分指標(biāo)間存在很強(qiáng)的多重共線左右，因此為簡化模型復(fù)雜度并提高模型準(zhǔn)確度，在擇是必不可少的。從第三章的理論知識可知，Ｌａｓｓｏ多重共線性問題，其中懲罰系數(shù)；Ｉ大小控制著整個變量系數(shù)越趨于〇，模型越簡單，反之亦然。因此應(yīng)適對因變量影響顯著的協(xié)變量被篩選出來又不至于出現(xiàn)象出現(xiàn)的效果ｍ］。Ａ取值能通過廣義交叉驗證法確為模型的損失函數(shù)，以此為；Ｌ的選擇標(biāo)準(zhǔn)。研究采Ｃｏｘ模型的Ｌａｓｓｏ變量選擇，借助Ｒ軟件可得出Ｌａｓ下所示：??２８?２８?２７?２５?２０?１８?１６?１１?８?８?７?４?３?３?１??

式（〇是基準(zhǔn)生存函數(shù)在ｔ時點的估計值。這里將上市股票對應(yīng)協(xié)變量??的值代入生存函數(shù)表達(dá)式中即可得到該股票樣本在觀測期內(nèi)不同時間點上的生存??概率。同時這里通過所得模型擬合樣本得出生存概率曲線圖，如下圖３所示：??３４??
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 鄧強(qiáng)庭;欒嘉;張維;冷懷明;;基于R-Shiny的Cox回歸模型列線圖繪制工具的開發(fā)實現(xiàn)[J];現(xiàn)代預(yù)防醫(yī)學(xué);2018年24期

2 張寒;魏澎濤;呂文偉;孫建濤;;運用多元COX回歸模型分析影響經(jīng)皮腎鏡超聲碎石取石術(shù)治療上尿路結(jié)石后發(fā)熱的因素[J];中國地方病防治雜志;2017年09期

3 王昌玲,周燕榮,鐘曉妮,金亞萍,曾軍,殷毓瓊,李良彬;COX模型在肺癌手術(shù)預(yù)后因素分析中的應(yīng)用[J];重慶醫(yī)科大學(xué)學(xué)報;1992年01期

4 廖鷹揚(yáng);李賢坤;;體質(zhì)量指數(shù)、金屬離子與骨質(zhì)疏松癥患者骨代謝指標(biāo)相關(guān)性的Cox回歸模型分析[J];包頭醫(yī)學(xué)院學(xué)報;2019年05期

5 夏建華;張紅星;張愛紅;;采用COX回歸模型分析影響HIV/AIDS病例生存的因素[J];中國艾滋病性病;2017年04期

6 肖梅;周寧新;黃志強(qiáng);黃曉強(qiáng);張文智;張高魁;;肝門部膽管癌預(yù)后多因素分析[J];中國實用外科雜志;2006年05期

7 胡雪瑩;蘇丹柯;韋波;賴少侶;金觀橋;左陽;張衛(wèi);;小肝細(xì)胞肝癌切除術(shù)后預(yù)后的相關(guān)因素分析[J];廣西醫(yī)科大學(xué)學(xué)報;2014年02期

8 張玉鵬;李昭宇;趙偉;;影響中晚期原發(fā)性肝癌患者的生存因素分析[J];寧夏醫(yī)科大學(xué)學(xué)報;2013年04期

9 徐忠;高育瑤;仇德惠;沈福民;;影響肺癌切除患者預(yù)后的因素——Cox回歸模型分析[J];上海醫(yī)學(xué);1992年02期

10 劉韻源;與年齡有關(guān)的Logistic回歸理論及應(yīng)用[J];中國科學(xué)(B輯 化學(xué) 生命科學(xué) 地學(xué));1990年06期

相關(guān)碩士學(xué)位論文 前5條

1 張超;基于Lasso懲罰的Cox回歸模型的股市破發(fā)風(fēng)險評價[D];華中師范大學(xué);2018年

2 張玉鵬;原發(fā)性肝癌的臨床治療生存因素分析[D];寧夏醫(yī)科大學(xué);2013年

3 劉維麗;248例原發(fā)性肝癌脾虛證患者的預(yù)后因素分析[D];北京中醫(yī)藥大學(xué);2015年

4 王培培;指腸癌術(shù)后三維適形/調(diào)強(qiáng)放療聯(lián)合化療與單純輔助化療的療效比較[D];河北醫(yī)科大學(xué);2012年

5 陸懷初;成人血壓水平與死亡風(fēng)險的前瞻性研究[D];浙江大學(xué);2016年

本文編號：2876861