基于高维混频数据Logit模型的中国A股上市公司违约预测

发布时间：2023-02-27 22:01

　　大数据时代,高维混频数据普遍存在,这为信用评价与风险管理带来了机遇与挑战。充分利用高维混频数据信息,从高维变量提取重要特征,建立及时、准确的信用评价模型,预测上市公司违约风险,对于经营者、投资者、金融机构、政府监管部门都尤为重要。本文考虑高维混频数据信息,对标准Logit模型进行改造,建立新的高维混频数据Logit模型并将其应用于中国A股上市公司违约预测,主要开展了以下两方面的研究工作:(1)为解决上市公司违约预测中存在的混频数据问题,将混频数据抽样(MIDAS)方法引入标准Logit模型框架,建立了Logit-MIDAS模型并给出其极大似然估计方法。本文构建的Logit-MIDAS模型能够直接对原始混频数据建模,避免了由于频率转换引起的信息损失。同时,Logit-MIDAS模型能够充分挖掘高频信息,做到及时预测。将Logit-MIDAS模型应用中国上市公司违约预测,实证发现其比标准Logit模型具有更好的分类预测能力。考虑到样本数据的不平衡性,通过三种抽样方法以增强预测的准确度,实证结果表明Logit-MIDAS模型在样本内和样本外两个方面的表现都优于标准Logit模型。(2)为解决...

【文章页数】：69 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
abstract
第一章 绪论
    1.1 研究背景和意义
        1.1.1 研究背景
        1.1.2 研究意义
    1.2 研究文献综述
        1.2.1 上市公司信用风险管理
        1.2.2 混频数据分析
        1.2.3 高维变量选择方法
        1.2.4 文献述评
    1.3 研究思路和研究方法
        1.3.1 研究思路
        1.3.2 研究方法
    1.4 主要创新与结构安排
        1.4.1 主要创新
        1.4.2 结构安排
第二章 相关理论与方法
    2.1 信用风险管理理论与方法
        2.1.1 信用风险概念
        2.1.2 信用风险影响因素
        2.1.3 信用风险评价方法
        2.1.4 信用风险预测模型方法框架
    2.2 二元选择Logit模型
        2.2.1 模型表示
        2.2.2 违约预测
    2.3 MIDAS模型与方法
        2.3.1 MIDAS模型
        2.3.2 U-MIDAS模型
    2.4 高维变量选择方法
        2.4.1 Lasso方法
        2.4.2 Group Lasso方法
第三章 基于Logit-MIDAS模型的上市公司违约预测
    3.1 模型表示
    3.2 模型估计
    3.3 实证研究
        3.3.1 样本选取与指标说明
        3.3.2 非平衡数据下实证结果
        3.3.3 平衡数据下实证结果
    3.4 主要结论
第四章 基于Logit-U-MIDAS-Group Lasso模型的上市公司违约预测
    4.1 模型表示
    4.2 模型估计
    4.3 变量选择
    4.4 实证研究
        4.4.1 样本选取与指标说明
        4.4.2 非平衡数据下实证结果
        4.4.3 平衡数据下实证结果
    4.5 主要结论
第五章 总结与展望
    5.1 研究总结
    5.2 研究展望
参考文献
攻读硕士学位期间的学术活动及成果情况



本文编号：3751517