文献类型：期刊文章

作　　者：罗康洋[1] 王国强[2]

LUO Kang-yang;WANG Guo-qiang(School of Management,Shanghai University ofEngineering Science,Shanghai 201620,China;School of Mathematics and Statistics,Shanghai University ofEngineering Science,Shanghai 201620,China)

机构地区：[1]上海工程技术大学管理学院,上海201620 [2]上海工程技术大学数理与统计学院,上海201620

出　　处：《统计与信息论坛》

基　　金：国家自然科学基金面上项目“高维数据统计推断中协方差矩阵估计的优化模型与算法研究”(11971302);全国统计科学研究项目“基于面板数据的上海生态文明建设水平综合测度与优化研究”(2018LY16);上海工程技术大学研究生科研创新项目“基于金融高频数据的稀疏主成分分析及其在投资组合中的应用”(18KY0325)。

年　　份：2020

卷　　号：35

期　　号：3

起止页码：77-85

语　　种：中文

收录情况：BDHX、BDHX2017、CSSCI、CSSCI2019_2020、NSSD、RCCSE、RWSKHX、ZGKJHX、核心刊

摘　　要：针对上市公司财务预警数据呈现出的高维和不平衡的双重特性,基于改进的MRMR算法和代价敏感分类构建财务预警模型并进行实证分析。首先,为了克服财务预警数据的不平衡性对特征选择和分类的不利影响,使用组合采样技术SMOTE+ENN进行数据平衡化处理。其次,利用绝对值余弦度量构建改进的MRMR算法并进行特征选择。最后,将支持向量机、L2-逻辑回归和CART决策树及其对应代价敏感模型作为比较模型进行财务预警研究。通过大量实证分析显示,SMOTE+ENN的引入有效提升了ST公司样本及其对应特征的重要性。在不影响财务预警模型总体分类性能的前提下,改进的MRMR算法可以得到更为简洁的预测特征集,且组合模型MRMR_FDAQ+CSSVM的预测结果最优,因此建议优先将该模型应用于上市公司财务危机的预测。

关 键 词：高维数据 不平衡数据集 财务预警 MRMR算法  代价敏感分类模型  

分 类 号：C812[统计学类] O212.2]