考虑金融网络指标的信息技术类上市公司财务危机预测研究.pdf
《考虑金融网络指标的信息技术类上市公司财务危机预测研究.pdf》由会员分享,可在线阅读,更多相关《考虑金融网络指标的信息技术类上市公司财务危机预测研究.pdf(7页珍藏版)》请在咨信网上搜索。
1、第 卷第 期运 筹 与 管 理 ,年 月 收稿日期:基金项目:国家自然科学基金面上项目(,)作者简介:吴冲(),男,黑龙江哈尔滨人,教授,博士生导师,博士,研究方向:金融系统工程,决策理论与方法,财务数据挖掘;陈晓芳(),女,吉林松原人,博士研究生,研究方向:预测理论与方法,数据挖掘,机器学习;苗博威(),男,黑龙江哈尔滨人,硕士研究生,研究方向:机器学习,财务数据挖掘。考虑金融网络指标的信息技术类上市公司财务危机预测研究吴 冲,陈晓芳,苗博威(哈尔滨工业大学 经济与管理学院,黑龙江 哈尔滨 )摘要:信息技术类上市公司市场变化趋势难以捕捉,而这部分信息能有效显示企业的运营状况。股票收益信息能够
2、及时反映市场变化,为了监督企业运营状况,避免财务危机发生,本文采用股票信息构建金融网络,将股票信息以网络指标的形式引入模型。为了充分发挥集成算法在财务危机预测模型中的作用,提高模型的泛化能力,同时解决单一分类器不能充分使用数据的问题,本文采用 集成算法构建信息技术类上市公司财务危机预测模型,并提出了基于 算法的调参集成策略,利用模型之间的信息互补提高算法的预测性能。以沪深两市信息技术类上市公司为研究对象进行实证研究,结果表明,经过调参集成的 算法具有更高的预测性能。同时引入金融网络指标的模型总体表现优于传统模型,说明股票信息的引入有利于财务危机预测。本文研究为财务危机预测模型构建提供了新思路。
3、关键词:财务危机预测;金融网络指标;信息技术类上市公司;中图分类号:文章标识码:文章编号:():,(,):,(),:(),;(),(,),(,“”,“”,“”),:;引言随着信息技术的逐步突破与落地应用,信息技术行业进入蓬勃发展时期,同时其高风险,高收益的标签也被显现。信息技术类企业容易陷入财务困境的原因在于,首先,上市初期资金投入力度大,研发过程和时效性存在不确定性;其次,技术产品更新迭代速度快,相关产品生命周期短,导致企业未来收益的不确定;最后,信息技术类企业面临偿债能力差且经营风险大的市场状况,一旦技术研发失败,极易造成资金链断裂等问题。因此,信息技术行业急需建立具有行业针对性的财务危机
4、预测(,)模型,使企业管理层及时监控企业财务及运营状况,避免财务危机发生。探索有效的 模型一直是学术界和实务界共同关注的重要研究课题 。学者们将研究聚焦于 模型算法和指标选择上。经典的统计 模型包 括 单 变 量 分 析 模 型 、多 元 判 别 分 析 模型 、线性模型 、回 归 模型 等。近年来,由于财务指标维度增加,数据类型复杂化,基于统计的 模型已经无法满足需求。为了寻求更高的准确率,机器学习算法被引入 领域。如决策树 、神 经 网 络 、支 持 向 量 机 、随 机 森林 等。单一的分类器模型存在一定的弊端和局限性,而集成模型能够弱化单一分类器的缺点,提高模型的预测性能和泛化能力。轻
5、量 化 梯 度 提 升 机(,)作为集成算法被广泛应用于预测领域。沙靖岚 将 算法应用到 行业的违约预测中,结果表明采用 进行分类预测是有效的。贾鹏翔 采用 算法预测二手车的价格,与 和随机森林算运 筹 与 管 理 年第 卷法相比 具有更小的残差值。顾桐等 研究发现 算法在预测方面优于决策树,支持向量机等机器学习方法,具有预测潜力。与同类型的 ,等集成算法相比,算法采 用 基 于 梯 度 的 单 边 采 样(,)算 法、互 斥 特 征 绑 定(,)算法、直方图算法、直方图差加速和叶子生长策略等方法进行优化,减少数据实例和特征数量,降低了计算的复杂度,提升了训练速度 。因此,本文采用 算法构建
6、模型。在 模型的指标选择上,多数学者选择财务指标进行研究。一方面源于财务指标的易得性,另 一 方 面 源 于 其 能 直 观 地 反 映 企 业 的 财 务 状况 。然而仅使用财务指标进行财务危机预测,难以全面反应企业的状况。财务指标只是财务危机发生的 表象,并不 能显 现 财 务 危 机发 生 的原因 。因此有学者将非财务指标纳入 模型中。非财务因素如公司治理、企业经营效率、资本市场股价信息等对财务危机的发生具有重要影响 。已有研究 ,表明财务指标与非财务指标结合能显著提高预测准确度。市场信息能够显示企业的运营状况,但上市公司的市场变化难以捕捉。利用市场信息中的股票信息构建金融网络,能够为决
7、策者提供市场变化的依据。研究发现网络测度指标在一定程度上能够提升分类器的预测能力 ,。随着复杂网络在预测领域的兴起,利用其进行预测的研究层出不穷,例如对顾客流失 和股票价格 等进行预测。因此本文采用企业的股票收益构建金融网络,将股票信息以金融网络指标的形式输入预测模型,以此探究市场信息对 的影响。本文研究丰富了企业财务危机预测结果的内涵,同时也为 模型的构建提供了新思路。研究方法 金融网络指标资本市场的各个企业与机构之间存在着经营联系,交叉持股等现象,企业之间存在高度关联性,因此可以将金融市场看作金融网络。在金融网络中,网络的节点为各个企业,网络的边指代各个企业之间的往来关系,如投资行为、经营
8、行为、持股行为等。在金融市场中,这种往来关系可以用企业股票价格序列的相关性来抽象化。金融网络由大量企业节点构成,其内部节点之间具有复杂的交互作用,由于选取的企业样本时间跨度较大,且截取的数据为上市公司 年末的面板数据。因此对每个企业取其 年末前 个交易日的日收盘价,形成收盘价时间序列。对于每个公司样本 ,日的日收益率()可以表示为:()()()()其中()为企业 在第 日的收盘价,()为企业 在第 日前一个交易日的收盘价。企业 ,的相关系数 公式表示如下:()珋)()珋)()珋)槡()珋)槡()其中,珋,珋为(),()的均值。以 为阈值,保留大于零的相关系数值。如公式()所示。,且 ,且 ,(
9、)在网络中,通常使用网络特征指标衡量网络的性能。本文在经济社会理论研究的基础上,选择度中心性、接近中心性、中介中心性、值这四种指标来衡量金融网络的性能。度中心性指一个节点上的直接联系数。在加权网络的分析中,度中心性一般被扩展为节点所连接边的权重之和,公式如下。()()接近中心性通常定义为节点平均距离的倒数,用以表示节点与节点之间的接近特性,即:()()中介中心性的概念在于,一个具有高度中介中心性的企业会对其他企业产生重要影响,因为它可以影响通过它的信息。中介中心性是基于网络路径的概念,由 提出,公式如()。其中,为节点 到 的最短路径的总数,()是 到 的最短路径中通过节点 的路径数。(),(
10、)()算 法 初 始 时,每 个 节 点 都 有 一 个 值(值),需满足 (),通过不断迭代达到稳定状态,在这个过程中,每个节点以一个随机概率跳到相邻节点,以额外概率跳转到所有节点,节点 的 值定义为:()()第 期吴 冲,等:考虑金融网络指标的信息技术类上市公司财务危机预测研究为跳转概率,一般取值为 。显然 值越高,代表节点的重要性越高。通过对网络性质的研究,本文采用信息技术类上市公司的股价波动信息构建金融网络,可得到企业在网络中的指标,并将其作为 模型的输入变量。模型 算法是一个基于梯度决策树的框架,该算法在梯度提升 决 策树(,)的 基 础 上 进 行 优 化 。是一种广泛使用的机器学
11、习算法,具有高效、准确和可解释性,其以固定大小的回归树作为基学习器,使用梯度提升方法进行改进。假设每颗树的叶子个数为 ,每棵树将输入空间划分为 个不相交的区域 ,并预测 的恒定值。回归树可以形象化的表示为:()()()当 时 ()值为 ,其他情况则为 。模型更新方程()和梯度下降的步长 可以表示为:()()()()(,()()()在上式中,(,()为 的损失函数,每步的优化条件为使损失函数最小。在梯度提升方法中,使用回归树代替,则公式()和()可以表示为:()()()()(,()()()在算法迭代的过程中,每一轮算法所产生的残差都将成为下一轮的学习目标,如此循环,直到全局残差值小于设定的阈值或
12、迭代次数达到最大值时结束,然后输出最终的结果。传统的 需要扫描每个特征的所有数据实例,估计所有可能分裂点的信息增益。因此,它们的计算复杂性将与特征数量和实例数量成正比,使得 在处理大量数据时非常耗时。算法和 算法减少数据实例和特征数量,提高算法的训练速度,同时保证训练的准确率。算法在减少数据实例数量和保持决策树的准确性之间取得良好的平衡 。算法首先根据梯度的绝对值对样本点进行降序排序。然后对选取前 的样本生成大梯度样本子集 ,对剩余的样本集 选取 个样本点,生成小梯度样本子集 。最后对小梯度样本子集赋予()的权重,并将两个样本子集合并,根据在子集 上估计的方差增益槇()进行分割,如公式()所示
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 考虑 金融 网络 指标 信息技术 上市公司 财务危机 预测 研究
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。