稀疏组Lasso-logistic回归模型在财务报告舞弊识别中的应用研究

发布时间：2021-10-11 02:23

　　财务报告舞弊行为对广大投资者的切身利益造成巨大损害,如何高效识别财务报告中的舞弊行为已成为目前研究的热点.在对已有的财务报告舞弊识别模型分析的基础上,提出一种基于稀疏组Lasso-logistic回归的识别模型,并通过选取近8年间180家上市公司年报数据作为样本,综合财务及非财务指标,从盈利能力、营运能力、偿债能力、治理结构等方面设计了15组29个解释变量使用该模型进行了实证研究.结果证明,与以往的向前Logistic回归、Lasso-logistic回归和组Lasso-logistic回归等模型相比,稀疏组Lasso-logistic回归识别模型不但具备良好的变量筛选能力而且可以获得更好的识别效果,具有较高的应用价值. 

【文章来源】：数学的实践与认识. 2020,50(09)北大核心

【文章页数】：10 页

【参考文献】：
期刊论文
[1]中国上市公司舞弊性财务报告现状及防范建议[J]. 吴瑾.  现代商贸工业. 2018(20)
[2]广义线性模型组LASSO路径算法[J]. 马景义,张辛连,苏治,刘怡文.  中国科学:数学. 2015(10)
[3]基于Group Lasso的个人信用评价分析[J]. 胡小宁,何晓群.  数学的实践与认识. 2015(06)
[4]基于Logistic回归模型的上市公司财务报告舞弊识别研究[J]. 洪文洲,王旭霞,冯海旗.  中国管理科学. 2014(S1)
[5]稀疏Group Lasso高维统计分析[J]. 丁毅涛,张吐辉,张海.  西北大学学报(自然科学版). 2014(02)
[6]基于主成分分析和Logistic回归方法的财务预警模型比较——来自我国制造业上市公司的经验证据[J]. 孔宁宁,魏韶巍.  经济问题. 2010(06)



本文编号：3429601