论文部分内容阅读
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。