上市公司财务预警中正则化和贝叶斯变量选择技术研究

项目名称： 上市公司财务预警中正则化和贝叶斯变量选择技术研究

项目编号： No.71361009

项目类型： 地区科学基金项目

立项/批准年度： 2013

项目学科： 管理科学

项目作者： 刘遵雄

作者单位： 华东交通大学

项目金额： 34.5万元

中文摘要： 针对传统财务预警模型（多元线性模型MLR、逻辑回归LR和线性判别分析LDA）无法处理高维、变量相关性大且呈组效应数据问题，本项目拟使用正则化技术和贝叶斯分析开展上市公司财务预警稀疏模型研究，在估计模型参数的同时实现变量选择。在对惩罚函数的特性进行系统分析和梳理的基础上，使用两种具体的稀疏惩罚函数（l1范数及SCAD惩罚）建立模型，结合惩罚多变量优化算法的研究提出和改进模型求解算法；对贝叶斯变量选择机制（模型参数先验、模型搜索及抽样算法等）进行深入研究，建立统一的贝叶斯变量选择框架，对正则化和贝叶斯变量选择技术及其联系进行分析讨论；使用沪深股市制造业上市公司的财务比率、现金流量等数据，进行模型学习和开展财务困境预报实证分析，开发财务预警工具箱，进行系列仿真实验和性能评判，考察模型的解释性和预报精度。

中文关键词： 低秩稀疏；凸优化算法；财务预警；机器学习；

英文摘要： The traditional prediction models, including multivariate linear model (MLR), logistic regression (LR) and linear discriminant analysis (LDA), always break down when handling such financial data with high dimension, strong correlated characteristic and gr

英文关键词： Low Rank+ Sparsity；Convex Optimization；Financial Distress Prediction；Machine learning；