检索结果-南通市图书馆

基于lasso方法的上海经济增长影响因素实证研究

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

统计与决策 2013年第1期29卷 154-156页

作者：钟金花上海财经大学统计与管理学院上海200433

文章从国际环境、国内宏观环境和上海市局部环境中共选取12个主要影响因素作为变量,运用lasso变量选择的方法,对影响上海市经济增长的这些主要影响因素进行了实证研究,从而揭示上海现阶段发展经济的优势与劣势。

关键词： lasso变量选择经济增长影响因素上海市

基于随机森林的大型公共建筑能耗混合预测模型

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

控制工程 2023年第4期30卷 597-604页

作者：于军琪虎群赵安军高之坤成浩张娜西安建筑科技大学信息与控制工程学院陕西西安710055 西安建筑科技大学建筑设备科学与工程学院陕西西安710055 中国建筑西北设计研究院有限公司陕西西安710015

针对公共建筑能耗预测模型中影响变量相关性低、冗余性高的问题,提出了基于二氧化碳浓度的公共建筑人员流动率间接测量方法,以提高模型的预测精度,并提出了一种大型公共建筑能耗混合预测模型。首先利用lasso变量选择算法筛选出与公共建... 详细信息

针对公共建筑能耗预测模型中影响变量相关性低、冗余性高的问题,提出了基于二氧化碳浓度的公共建筑人员流动率间接测量方法,以提高模型的预测精度,并提出了一种大型公共建筑能耗混合预测模型。首先利用lasso变量选择算法筛选出与公共建筑能耗相关性高的影响因素,再引入改进的并行排序蚁群优化算法对随机森林预测模型的参数进行优化,进一步提高预测性能。最后,以西安某公共建筑监测数据为例进行预测分析。结果表明,人员流动率对公共建筑能耗预测有着重要的影响,所提模型的泛化能力强、预测精度高,可以为公共建筑节能优化提供有效的数据支撑。

关键词：公共建筑能耗人员流动率 lasso变量选择改进的并行排序蚁群优化算法

基于lasso惩罚的Cox回归模型的股市破发风险评价

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于Lasso惩罚的Cox回归模型的股市破发风险评价

作者：张超华中师范大学

学位级别：硕士

长期以来,股票破发问题一直困扰着各国证券市场,因此关于股票破发方面的研究也屡见不鲜。近些年随着我国股票市场的日益发展,上市公司不断增多,股票破发现象也频频出现。2010-2012年期间,上市新股出现大面积破发,有的甚至上市首日即破发... 详细信息

长期以来,股票破发问题一直困扰着各国证券市场,因此关于股票破发方面的研究也屡见不鲜。近些年随着我国股票市场的日益发展,上市公司不断增多,股票破发现象也频频出现。2010-2012年期间,上市新股出现大面积破发,有的甚至上市首日即破发,此后,IPO暂停直至2014年1月,IPO重启之后,新股破发现象得到初步好转,但好景不长,随着近两年来上市的红蜻蜓、步长制药、三角轮胎等次新股相继于2017年年底左右跌破发行价,股票破发又渐渐被人们所提起。股票的不断破发不仅违背了股市健康发展原则,也严重损害了上市公司、投资者甚至承销商的利益,因此对股票破发现象进行研究,找出其影响因素和本质原因,进而为股票市场的合理调控提供一定的理论支持,具有至关重要的意义。研究选取2010-2017年132支破发或濒临破发的股票为研究样本,首先以2014年为时间节点,分别对2010-2014年和2014-2017年两段时间内的破发股票进行描述性分析,初步找出股票破发影响因素;其次基于总研究样本,运用lasso变量选择法筛选出对股票破发影响显著的指标,建立股票破发Cox预测模型,定量给出各指标对股票破发的影响方向和影响程度,进一步对所得模型进行优化处理,得出按时段的分层Cox模型,最后再与基于lasso惩罚的Logistic回归模型结果进行实证对比。分析表明:2010-2014年间与2014-2017年间的股票破发呈现出不同的特征,2014年前时间段内的破发股票较之其后时间段内范围广、幅度大;股票发行价格、首日抑价率、破发程度、上证指数、深证指数等均对股票破发影响显著;其中破发程度、首日抑价率和深证指数等指标对股票的破发有抑制作用,而发行价格、总股数日换手率等指标则起推动作用;利用基于lasso惩罚的Cox模型对股票破发进行研究效果优于基于lasso惩罚的Logistic模型。最后根据理论分析和实证拟合所得结果,提出了要加大落实市场各方责任,提高新股定价合理性;不断完善信息披露制度,提高市场透明度;提升投资者专业素质,创造良好市场坏境的相应对策建议。

关键词：股票破发 lasso变量选择生存分析 Cox比例风险模型

基于动态因子Cox模型的房地产上市公司财务预警分析

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于动态因子Cox模型的房地产上市公司财务预警分析

作者：毕明琪吉林大学

学位级别：硕士

随着我国经济的快速发展,为上市公司建立健全的风险管理模式对于A股股票市场的健康发展愈发重要.目前,国内外研究中应用最为广泛的统计方法为Cox比例优势模型.但目前研究往往仅引入了公司的财务数据,近期有研究将行业、宏观经济因素引入... 详细信息

随着我国经济的快速发展,为上市公司建立健全的风险管理模式对于A股股票市场的健康发展愈发重要.目前,国内外研究中应用最为广泛的统计方法为Cox比例优势模型.但目前研究往往仅引入了公司的财务数据,近期有研究将行业、宏观经济因素引入到Cox模型中.但出于对自变量数量的控制,仅引入少量经济变量,如GDP增速等.本文在以往国内外研究的基础上,进行了一定的创新,考虑到引入少量宏观经济指标不能反映整个宏观环境对上市公司财务情况的影响.本文研究结合了动态因子模型和Cox比例优势模型,对财务预警模型进行了一定的完善.首先利用大量宏观经济变量,通过建立动态因子模型,构造少量动态因子并将其作为时依协变量引入到Cox模型当中.这样便将宏观经济环境的绝大部分因素通过少量协变量引入到了公司的财务困境预警模型当中,从而更全面的了解宏观因素对于房地产上市公司陷入财务困境预警的影响.通过对比引入经典因子分析和引入lasso惩罚的静态模型,本文研究表明引入lasso惩罚进行变量选择的静态模型效果更好.通过对比静态模型和动态模型,本文研究表明在引入宏观因子后,财务模型的预测准确性更高.本文研究结果显示:营运资本/资产总计、留存收益/资产总计这两个财务指标,对上市公司的财务情况起到了保护作用.其次,本文得出对于房地产企业的几点特征:1.当公司资产周转率大幅提高时,公司可能由于陷入财务困境,需要处理大量房产存货进行资金回流,近期存在陷入财务困境风险.2.当前房地产业作为一个高负债率行业,负债率低的企业可能由于自身信用问题,难以发债融资,近期存在陷入财务困境风险.3.宏观经济因子对上市公司的财务情况起保护作用,在经济形势好转时,企业陷入财务困境的概率也将变小.

关键词： Cox比例优势模型动态因子模型 lasso变量选择时间相依型变量

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于时依协变量Cox模型的财务风险预测

基于时依协变量Cox模型的财务风险预测

作者：高晓峰大连理工大学

学位级别：硕士

近些年来,各国专家和学者越来越关注财务困境的预测这个话题。财务困境不仅损害利益相关者的权益,还可能使整个国家和社会付出巨大的代价,因此,建立高精度的财务困境预测模型非常重要。本文以Wind数据库2000年至2015年在沪、深两证券交... 详细信息

近些年来,各国专家和学者越来越关注财务困境的预测这个话题。财务困境不仅损害利益相关者的权益,还可能使整个国家和社会付出巨大的代价,因此,建立高精度的财务困境预测模型非常重要。本文以Wind数据库2000年至2015年在沪、深两证券交易所上市的455家公司为数据集,使用了时间相依的Cox模型探索了中国上市公司的违约风险,与时不变Cox模型相比,时间相依的Cox模型使用的协变量是随时间变化的面板数据,更能反映公司财务结构的变化对公司财务困境的影响。本文不仅考虑了财务因素,还虑了市场因素、宏观经济因素以及财务因素与它们的交叉项,增加了时变的交叉因素来反映上市公司的微观因素和市场因素以及宏观经济因素的协同作用的不断变化对上市公司财务困境的影响;此外,通过lasso方法筛选出对上市公司财务风险有显著影响的时变因素,并利用ADMM算法求解了这类非光滑问题,提高了模型的预测能力。实证结果表明:(1)时间相依的Cox模型的预测能力优于时不变的Cox模型的预测能力。对于只引入财务指标的Cox模型,时间相依的Cox模型相比时不变的Cox模型预测精度提高了5.8%;对于加入市场指标和宏观指标的Cox模型,时间相依的Cox模型相比于时不变的Cox模型预测精度提高了5.1%;对于加入显著财务指标和显著市场指标以及宏观指标的交叉项的Cox模型,时间相依的Cox模型相比于时不变的Cox模型预测精度提高了9.5%。(2)不管是时不变的Cox模型还是时间相依的Cox模型,对于只引入财务指标的Cox模型、加入市场指标和宏观指标的Cox模型、加入显著财务指标和显著市场指标以及宏观指标交叉项的Cox模型来说,模型的预测能力是逐步提高的,这六种模型中预测准确率最突出的是经过lasso变量选择的加入显著财务指标和显著市场指标以及宏观指标交叉项的时间相依的Cox模型,其预测准确率达到89.61%。相对于经过lasso变量选择的加入市场指标和宏观指标的时间相依的Cox模型的准确率提高了8.6个百分点。本文的主要贡献有三个:第一,通过时间相依的Cox模型构建上市公司财务困境预测模型,不同于现有利用时间相依的Cox模型进行公司财务困境预测的研究只考虑公司的财务因素,本文同时考虑财务因素、市场因素和宏观经济因素三种不同类型解释变量的影响;第二,不同于现有财务困境研究仅考虑公司微观因素和宏观因素交叉到一起形成的协同作用,本文增加了时变的交叉因素来反映上市公司的微观因素和市场因素以及宏观经济因素的协同作用的不断变化对财务困境的影响;第三,通过lasso方法筛选出对上市公司财务困境有显著影响的时变因素,并利用ADMM算法求解了这类非光滑问题,提高了模型的预测能力。

关键词：中国上市公司时间相依的Cox模型财务困境预测 lasso变量选择

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

云南省企业债务风险预警研究

云南省企业债务风险预警研究

作者：贾慧昆明理工大学

学位级别：硕士

党的十九大报告指出了打好防范化解重大风险攻坚战的重要性,提高防范化解重大风险的能力更是推动经济高质量发展的必然要求。企业债务风险作为这一攻坚战的重要领域,应该引起足够的重视。云南省由于历史及区位等原因经济发展较为缓慢,... 详细信息

党的十九大报告指出了打好防范化解重大风险攻坚战的重要性,提高防范化解重大风险的能力更是推动经济高质量发展的必然要求。企业债务风险作为这一攻坚战的重要领域,应该引起足够的重视。云南省由于历史及区位等原因经济发展较为缓慢,存在一定的融资困难问题,防控债务风险也面临着一定的压力。因此建立切实有效的云南省企业债务风险预警机制,对云南省企业进行债务风险预警,对防范化解企业债务风险非常重要。本文首先梳理了与债务风险预警相关的理论与方法,然后从盈利能力、发展能力、偿债能力三个角度分析云南省上市企业的发展状况,从债务比例、债务来源、债务期限三个维度分析云南省上市企业的债务结构状况。然后以云南省上市企业为研究样本,结合云南省上市企业的发展状况和债务结构,融入宏观经济因素指标和财务指标构建企业债务风险预警指标体系。由于Cox模型自身的数据优势与lasso变量选择方法在统计方法上的灵活性,本文将生存分析中的Cox模型与lasso方法相结合,构建lasso-Cox债务风险预警模型进行实证分析,并通过了稳健性检验。实证结果发现流动比率、利息保障倍数、债务保障率、人均可支配收入这四个指标的增加会减小企业发生高债务风险的概率;而CPI增长率这一指标的增加会增大企业发生高债务风险的概率。之后通过lasso-Cox模型对2016-2020年云南省企业进行债务风险预警,预警发现从风险趋势来看,从2017年起高债务风险企业占比呈现下降趋势,但占比依旧较高;从不同产业来看,其中第二产业的高债务风险企业占比相对最高;从不同地区来看,昆明市地区的高债务风险企业占比相对较高。最后针对得到的研究结果,提出了相应的企业债务风险防范对策。

关键词：债务风险预警 Cox模型 lasso变量选择

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

增强型指数基金的构造及优化研究

增强型指数基金的构造及优化研究

作者：古志婷广州大学

学位级别：硕士

近年来,以复制指数作为资产配置的投资策略发展迅速.越来越多投资者把主动型投资与指数化投资模式结合起来,积极的指数化投资模式就诞生了.增强型指数基金就是在主动投资与被动投资策略的结合下产生的.增强型指数基金具体是以指数优化... 详细信息

近年来,以复制指数作为资产配置的投资策略发展迅速.越来越多投资者把主动型投资与指数化投资模式结合起来,积极的指数化投资模式就诞生了.增强型指数基金就是在主动投资与被动投资策略的结合下产生的.增强型指数基金具体是以指数优化为投资手段,以获得超越标的指数收益为目标,以跟踪误差来度量投资组合与跟踪标的指数收益之间密切程度的一种基金产品.本文应用lasso变量选择方法与证券市场较为流行的多因子选股模型打分法来完成增强型指数基金成分股的选取.结合最小化跟踪误差获取增强型指数基金的最优权重来构造增强型指数基金,并对两种方法构造的增强型指数基金进行收益率分析比较.同时采用衡量基金绩效的三个常用指标超额收益率、跟踪误差、信息比率来分析所构造的增强型指数基金,并进行比较.并且运用GARCH-M模型来研究投资者对增强型指数基金的风险厌恶程度,并对沪深300指数和构造的增强型指数基金的厌恶程度进行分析比较,得到构造增强型指数基金的优化模型.本文以中国证券市场中沪深300指数为对象进行实证研究,研究结果表明基于lasso变量选择构造的增强型指数基金比市场上较为流行的多因子选股模型构造的增强型指数基金更显示出优越性.在运用基金绩效三个常用指标来评价增强型指数基金时,可以发现基于lasso变量选择构造的增强型指数基金的超额收益率与信息比率均优于基于多因子模型构造的增强型指数基金的超额收益率与信息比率.运用GARCH-M模型刻画增强型指数基金的投资者风险厌恶程度时,可以发现基于lasso变量选择构造的增强型指数基金投资者的风险厌恶程度变化比较符合实际生活中投资者的心理变化特点.因此,最终本文认为相比于基于多因子模型构造的增强型指数基金,基于lasso变量选择构造的增强型指数基金更具有一定的优越性.

关键词：增强型指数基金 lasso变量选择多因子模型超额收益率跟踪误差信息比率 GARCH-M模型

基于卷积神经网络的高光谱土壤速效钾含量预测模型研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于卷积神经网络的高光谱土壤速效钾含量预测模型研究

作者：戴子城桂林理工大学

学位级别：硕士

如何快速、准确地获取土壤成分信息的技术,是开展测土配方、精准施肥以及研究植物生长周期的基础,对有效统计土地资源、精细化林业生产都具有重要的作用。高光谱分析是一种通过解析物质光谱特征数据、挖掘数据深层信息,进而对物品分类... 详细信息

如何快速、准确地获取土壤成分信息的技术,是开展测土配方、精准施肥以及研究植物生长周期的基础,对有效统计土地资源、精细化林业生产都具有重要的作用。高光谱分析是一种通过解析物质光谱特征数据、挖掘数据深层信息,进而对物品分类或对物质的化学组成成分定量分析的技术,高光谱的优点主要体现为成本低廉、快速测量、远距离无接触预测等。在快速获取土壤成分信息的过程中使用高光谱分析技术可以降低信息获取成本,对测土配方精准施肥以及精准林业方面有积极的意义。使用高光谱分析法解决土壤营养成分定量分析问题的重点在于对高光谱数据和土壤成分含量之间关系的构建。本文针对广西壮族自治区国有黄冕林场桉树人工林土壤高光谱样本数据,将统计学习方法应用在土壤速效钾含量预测模型的构建上,研究了不同的数学变换方法对线性回归模型预测精准度的影响,并构建三种不同网络结构的卷积神经网络模型对土壤高光谱数据进行训练,探讨了不同损失函数,不同步长以及不同卷积核对卷积神经网络模型预测精度的影响。主要研究内容和结论如下:（1）基于线性模型的土壤速效钾含量预测。本文使用移动平局滤波器算法对原始高光谱数据进行预处理,剔除变化幅度较小的高光谱波段,并对经过预处理后的数据使用一阶导、二阶导以及倒数的对数进行数学变换,使用皮尔森相关系数判断经过不同数学变换后的土壤高光谱反射率与土壤中速效钾含量之间的关联关系,并将相关系数的绝对值最大的前四十个光谱波段作为回归预测模型的输入,利用主成分分析算法以及lasso变量选择算法构建线性回归模型,并比较使用两种线性回归模型在黄冕林场桉树土壤高光谱样本数据上的预测效果,在两种模型、四种数学变换方法共八组实验中,分析各个模型使用不同数学变换方法的高光谱反射率数据对线性模型预测结果的影响,对比发现:使用Pearson-FDR-lasso变量选择模型预测效果最好,使用测试数据集验证该模型的预测效果,其决定系数为0.8126,均方根误差为6.6756,揭示了不同光谱预处理方式以及不同模型对预测精准度的影响。（2）基于卷积神经网络模型的土壤速效钾含量预测。本文使用卷积神经网络处理一维土壤高光谱数据,构建土壤速效钾含量预测模型,并对卷积神经网络的损失函数进行改进,将处理后的土壤高光谱数据作为输入,土壤速效钾含量作为输出。针对精准预测土壤速效钾含量这一问题设计了三种不同结构的卷积神经网络,使用黄冕林场桉树土壤高光谱样本对基于卷积神经网络的预测模型进行训练,通过研究使用不同损失函数的卷积神经网络模型的预测效果,并对不同网络结构对模型预测精度的影响进行分析,对比卷积神经网络模型、改进损失函数的卷积神经网络以及Pearson-FDR-lasso变量选择模型的预测效果,实验中发现:改进后的卷积神经网络模型对土壤速效钾的预测精度最好,其测试集的决定系数为0.8718,均方根误差为5.8774,通过卷积神经网络模型实现了对高光谱特征波段的自动提取。实验证明,针对黄冕林场桉树土壤高光谱样本的速效钾含量预测模型中,与卷积神经网络相比,线性回归模型在测试集与验证集中表现相对稳定,但使用改进后的CNN-3卷积神经网络模型的预测精度最好。

关键词：高光谱数据速效钾 lasso变量选择卷积神经网络

我国商业银行公司客户信用风险识别研究——基于lasso-Logistic模型

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

我国商业银行公司客户信用风险识别研究——基于Lasso-Logistic模...

作者：陈子文厦门大学

学位级别：硕士

信用风险一直以来都是银行面临的主要风险之一。近年来,我国商业银行不良贷款和不良贷款率持续上升,至2017年末,商业银行不良贷款余额已达1.71万亿元。商业银行信用风险普遍存在,加之风险扩散和放大的负面效应,很容易加大系统性风险。... 详细信息

信用风险一直以来都是银行面临的主要风险之一。近年来,我国商业银行不良贷款和不良贷款率持续上升,至2017年末,商业银行不良贷款余额已达1.71万亿元。商业银行信用风险普遍存在,加之风险扩散和放大的负面效应,很容易加大系统性风险。商业银行有效管理公司客户信用风险的前提是及时有效的风险识别,本文的研究利用上市公司会计财务数据,将lasso回归变量选择引入Logistic信用风险识别模型,科学选择评估指标体系,以期构建有效的公司客户信用风险识别警模型,为商业银行信用风险识别提供新的思路,对商业银行信用风险管理有积极的意义。本文首先阐述研究背景和意义,分析我国商业银行不良资产现状,随后介绍信用风险理论及风险来源、梳理国内外学者对商业银行信用风险的研究现状和研究方法,在此基础上提出商业银行信用风险分析框架,从理论层面分析各个因素可能对信用风险产生的影响。实证分析阶段,分别以滞后一期数据和滞后两期数据构建商业银行信用风险识别模型,共构建lasso模型、基于lasso模型变量筛选的Logistic模型、基于向前逐步回归的Logistic模型和基于向后逐步回归的Logistic模型4个模型,对比分析模型准确性及稳健性,评价选取出最适合的商业银行信用风险识别模型。研究发现,在一期识别模型和二期识别模型中,相对于Logistic逐步回归模型和lasso模型,基于lasso变量筛选的Logistic回归模型对商业银行信用风险均有更好的识别效果。基于lasso变量筛选的Logistic回归模型需监控的变量少,预测准确率高,模型稳健性好,能有效预测下一期及下两期违约概率。商业银行可以参考本文研究成果,运用基于lasso变量筛选的Logistic回归模型进行公司客户信用风险识别,构建更加有效的信用风险识别机制,探索更加完善的信用风险管理系统。

关键词：信用风险 lasso变量选择 Logistic模型