亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        上市公司股價(jià)崩盤預(yù)警模型研究

        2023-05-30 10:22:36李昊澤尉昊
        金融經(jīng)濟(jì) 2023年3期
        關(guān)鍵詞:集成學(xué)習(xí)風(fēng)險(xiǎn)預(yù)警

        李昊澤 尉昊

        摘要:本文選取A股上市公司作為研究對象,構(gòu)建Cox回歸模型探討財(cái)務(wù)指標(biāo)與非財(cái)務(wù)指標(biāo)對上市公司股價(jià)崩盤的影響。實(shí)證結(jié)果顯示:財(cái)務(wù)指標(biāo)與非財(cái)務(wù)指標(biāo)對股價(jià)崩盤有一定的預(yù)警作用,在所選取的指標(biāo)中,現(xiàn)金流比率等因素對防止公司股價(jià)崩盤的發(fā)生起到保護(hù)作用,即現(xiàn)金流比率越高,公司股價(jià)崩盤風(fēng)險(xiǎn)越??;而管理層持股比例等作為危險(xiǎn)因素,會加劇公司發(fā)生股價(jià)崩盤的可能性。進(jìn)一步將Cox模型與集成學(xué)習(xí)模型相結(jié)合,發(fā)現(xiàn)模型的預(yù)測性能顯著提升。研究發(fā)現(xiàn)了股價(jià)崩盤在時(shí)序上的變化規(guī)律及風(fēng)險(xiǎn)預(yù)期,為企業(yè)持續(xù)經(jīng)營與風(fēng)險(xiǎn)防范提供參考借鑒,有助于促進(jìn)資本市場的平穩(wěn)運(yùn)行;風(fēng)險(xiǎn)預(yù)警模型的建立有助于利益相關(guān)者有效識別股價(jià)崩盤風(fēng)險(xiǎn),在一定程度上保護(hù)股東和投資者的權(quán)益。

        關(guān)鍵詞:Cox模型;股價(jià)崩盤;集成學(xué)習(xí);風(fēng)險(xiǎn)預(yù)警

        中圖分類號:F832.5? ? ? ? 文獻(xiàn)標(biāo)識碼:A? ? ? ? 文章編號:1007-0753(2023)03-0070-09

        一、引言

        近年來我國資本市場股價(jià)崩盤事件時(shí)有發(fā)生,例如2019年進(jìn)入退市期的華澤鈷鎳連續(xù)41個(gè)交易日跌停,2021年順豐控股因業(yè)績巨虧導(dǎo)致一字跌停等。股價(jià)崩盤事件的發(fā)生不僅會直接影響市場投資者信心、企業(yè)利益以及資本市場的穩(wěn)定發(fā)展,還可能引發(fā)系統(tǒng)性金融風(fēng)險(xiǎn),對實(shí)體經(jīng)濟(jì)發(fā)展造成影響。2021年召開的中央經(jīng)濟(jì)工作會議明確提出“穩(wěn)字當(dāng)頭、穩(wěn)中求進(jìn)”,因此防范資本市場金融風(fēng)險(xiǎn)顯得尤為重要,而作為金融風(fēng)險(xiǎn)之一的股價(jià)崩盤風(fēng)險(xiǎn)也成為宏觀經(jīng)濟(jì)與微觀金融領(lǐng)域關(guān)注的重要方向。

        二、文獻(xiàn)綜述

        基于信息不對稱理論與信號理論,股票市場的信息不透明會讓投資者無法了解企業(yè)的真實(shí)運(yùn)營狀況,大部分情況下投資者需要依靠企業(yè)披露的信息和其他市場分析信息進(jìn)行判斷。一些學(xué)者從財(cái)務(wù)信息的角度進(jìn)行了分析,趙文耀等(2019)、楚有為(2021)發(fā)現(xiàn)當(dāng)上市公司的研發(fā)投入、去杠桿幅度和去杠桿壓力越大時(shí),企業(yè)股價(jià)崩盤風(fēng)險(xiǎn)越大,易導(dǎo)致股價(jià)崩盤的發(fā)生。張丹妮和周澤將(2021)研究發(fā)現(xiàn),企業(yè)商譽(yù)價(jià)值越大,股價(jià)崩盤風(fēng)險(xiǎn)越高,同時(shí)由于商譽(yù)減值流程的復(fù)雜性和靈活性,商譽(yù)減值隱藏也會加劇企業(yè)股價(jià)崩盤風(fēng)險(xiǎn)(張新民和卿琛,2022)。與之相反的是進(jìn)行分紅和股息率較高的公司通過股利政策可以減少過度投資行為,使得企業(yè)發(fā)生股價(jià)崩盤的可能性降低(馬超群和田勇剛,2020)。類似公司“高送轉(zhuǎn)”等事件的發(fā)生,向市場傳遞出企業(yè)未來具有良好盈利前景的信息,從而有效抑制了公司的股價(jià)崩盤風(fēng)險(xiǎn)(唐雪松等,2019)。

        企業(yè)年報(bào)、社會責(zé)任披露等非財(cái)務(wù)信息的相關(guān)研究角度也是學(xué)者們關(guān)注的熱點(diǎn)。其中,管理者捂盤假說(權(quán)小鋒等,2015;田利輝和王可第,2017)從企業(yè)內(nèi)部經(jīng)營的角度洞察了股價(jià)崩盤發(fā)生的內(nèi)因,即企業(yè)管理者通常會采用“報(bào)喜不報(bào)憂”的披露策略,在一段時(shí)間內(nèi)刻意隱瞞壞消息,致使負(fù)面消息積累到一定上限后集中釋放,導(dǎo)致企業(yè)股價(jià)短時(shí)間內(nèi)快速下跌,引發(fā)股價(jià)崩盤。王嘉鑫等(2022)發(fā)現(xiàn)管理層在非財(cái)務(wù)信息可讀性披露的基礎(chǔ)上配合進(jìn)行語調(diào)操縱,其語調(diào)越積極,股價(jià)崩盤發(fā)生的上升效應(yīng)就會越強(qiáng)。譚建華和王雄元(2022)的研究結(jié)果表明公司會策略性地利用年報(bào)文本信息掩飾違規(guī),該行為減弱了短窗口期市場反應(yīng),加劇了信息漂移現(xiàn)象,提高了股價(jià)崩盤發(fā)生的可能性。而當(dāng)年報(bào)中市場風(fēng)險(xiǎn)信息披露程度越高,公司未來股價(jià)崩盤的概率越低,而在年報(bào)文本可讀性較強(qiáng)、文本相似度較低以及文本語調(diào)積極的公司中,上述負(fù)相關(guān)關(guān)系更加顯著(朱杰,2022)。另外,年報(bào)篇幅、上市公司披露企業(yè)社會責(zé)任指數(shù)等因素能夠在不同程度上抑制股價(jià)崩盤的發(fā)生(熊浩和錢潤紅,2022;黃金波等,2022)。

        在企業(yè)財(cái)務(wù)和風(fēng)險(xiǎn)預(yù)警上,Cox模型在國內(nèi)外均得到了較為廣泛的應(yīng)用。國外學(xué)者對于Cox回歸模型的應(yīng)用主要體現(xiàn)在財(cái)務(wù)風(fēng)險(xiǎn)(Lane等,1986)以及現(xiàn)金流變量的相關(guān)預(yù)測(Henebry,1996)上,而國內(nèi)主要用于研究商業(yè)銀行信貸風(fēng)險(xiǎn)管理(宋雪楓和楊朝軍,2006)、信用違約風(fēng)險(xiǎn)(周勇等,2008)等。近年來已有學(xué)者將機(jī)器學(xué)習(xí)的思想遷移到Cox模型的應(yīng)用中,挖掘Cox模型在預(yù)測方面的應(yīng)用價(jià)值。王小燕和袁欣(2018)利用基于懲罰組變量選擇的Cox模型構(gòu)建了企業(yè)財(cái)務(wù)危機(jī)預(yù)警模型,對財(cái)務(wù)指標(biāo)進(jìn)行篩選并比較了Cox模型與Logistic模型的預(yù)測準(zhǔn)確率。李鴻禧和宋宇(2020)利用基于時(shí)間相依的Cox回歸構(gòu)建了財(cái)務(wù)預(yù)警模型,克服了傳統(tǒng)Cox回歸依賴截面數(shù)據(jù)的缺陷,把握了面板數(shù)據(jù)時(shí)間序列的屬性,進(jìn)行了樣本外檢驗(yàn)。宋光磊和劉紅霞(2010)利用Cox模型對公司董事會治理風(fēng)險(xiǎn)預(yù)警機(jī)制進(jìn)行了研究。

        此外,近幾年部分學(xué)者也運(yùn)用其他方法進(jìn)行企業(yè)財(cái)務(wù)分析和風(fēng)險(xiǎn)預(yù)警。向?qū)嵉龋?022)運(yùn)用支持向量機(jī)方法對債券違約風(fēng)險(xiǎn)監(jiān)測進(jìn)行預(yù)警研究;楊貴軍等(2022)基于首末位質(zhì)量因子的BP神經(jīng)網(wǎng)絡(luò)建立財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型;孫玲莉等(2021)將基于Benford律的隨機(jī)森林模型應(yīng)用在財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警中;王小燕和張中艷(2021)研究發(fā)現(xiàn)網(wǎng)絡(luò)結(jié)構(gòu)具有一定的匹配性,因此帶網(wǎng)絡(luò)結(jié)構(gòu)的自適應(yīng)Lasso財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型有利于指標(biāo)識別和預(yù)警能力的提高。

        與已有文獻(xiàn)相比,本文可能的邊際貢獻(xiàn)如下:(1)以往關(guān)于股價(jià)崩盤風(fēng)險(xiǎn)的相關(guān)研究聚焦于傳統(tǒng)因果推斷方法下對股價(jià)崩盤風(fēng)險(xiǎn)理論機(jī)制的剖析與解釋,鮮有學(xué)者利用機(jī)器學(xué)習(xí)方法建立股價(jià)崩盤風(fēng)險(xiǎn)預(yù)警模型去挖掘其研究價(jià)值與現(xiàn)實(shí)意義;(2)Cox回歸模型能夠得到未來一段時(shí)間內(nèi)動態(tài)的預(yù)警結(jié)果,而股價(jià)崩盤的發(fā)生與企業(yè)會計(jì)期間內(nèi)的運(yùn)營管理和經(jīng)營業(yè)績密切相關(guān),并不是小概率突發(fā)事件,因此利用Cox模型克服了以往預(yù)警模型“時(shí)間點(diǎn)”預(yù)測的缺陷,更多體現(xiàn)的是“時(shí)間段”預(yù)測的結(jié)果;(3)雖然部分學(xué)者利用Cox模型對公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型的構(gòu)建進(jìn)行了有益的嘗試和探索,但傳統(tǒng)Cox模型的預(yù)測精度仍有待提升,本文創(chuàng)新性地利用機(jī)器學(xué)習(xí)中的集成學(xué)習(xí)改良優(yōu)化Cox模型,旨在構(gòu)建出預(yù)測性能更優(yōu)、魯棒性更強(qiáng)的股價(jià)崩盤預(yù)警模型。

        二、研究設(shè)計(jì)

        (一)Cox模型

        在傳統(tǒng)計(jì)量經(jīng)濟(jì)學(xué)和機(jī)器學(xué)習(xí)領(lǐng)域中,常見的二分類響應(yīng)變量模型包括Probit模型、Logistic模型、K近鄰模型、決策樹模型以及支持向量機(jī)模型等,這些模型通常將響應(yīng)變量中的事件發(fā)生結(jié)果視為一種靜態(tài)的過程,忽視了“從無到有”的事件動態(tài)轉(zhuǎn)變信息。一般來說,上市公司重大風(fēng)險(xiǎn)事件通常不是某個(gè)時(shí)間點(diǎn)上的危機(jī),管理層“捂盤”行為即為一個(gè)很好的例證,公司管理層隱匿負(fù)面消息的時(shí)間越久,公司發(fā)生業(yè)績“爆雷”或股價(jià)崩盤的風(fēng)險(xiǎn)也就越大。而生存分析是以事件發(fā)生的動態(tài)演進(jìn)思路作為建模的切入點(diǎn),Cox模型正是生存分析中一種常用的建模工具。相較于生存分析中的參數(shù)回歸方法,Cox模型放寬了對風(fēng)險(xiǎn)函數(shù)具體形式的假定,同時(shí)也能夠得到對事件發(fā)生風(fēng)險(xiǎn)的有效估計(jì),因此受到經(jīng)濟(jì)學(xué)者的廣泛關(guān)注。Cox模型的基本表達(dá)形式為:

        其中,h(t|x)為風(fēng)險(xiǎn)函數(shù),表示公司經(jīng)營t期后出現(xiàn)股價(jià)崩盤的概率;b0(t)是基準(zhǔn)風(fēng)險(xiǎn)函數(shù),即不受外生變量影響下的風(fēng)險(xiǎn)函數(shù);exp(·)表示的是部分風(fēng)險(xiǎn),這是一個(gè)時(shí)間不變的標(biāo)量因子,只會增加或者減少基準(zhǔn)風(fēng)險(xiǎn);xi為各協(xié)變量,其變化會擴(kuò)大或者減小基準(zhǔn)風(fēng)險(xiǎn)。

        (二)樣本及變量選擇

        本文以A股上市公司為研究對象,選取2010—2020年時(shí)間區(qū)間的樣本,并對原始樣本做出以下處理:(1)剔除金融類公司樣本;(2)剔除樣本期內(nèi)被ST和退市等特殊處理的公司樣本;(3)剔除數(shù)據(jù)缺失的公司樣本。相關(guān)數(shù)據(jù)來源于國泰安數(shù)據(jù)庫和WIND數(shù)據(jù)庫。

        本文采用是否發(fā)生股價(jià)崩盤(risk)和生存時(shí)間(T)作為被解釋變量。參照雷振華和楚攀(2013)、鮑新中等(2015)、朱永明和邵庚云(2013)以及俞富坤(2021)等的做法,將“死亡公司”定義為A股上市以后首次發(fā)生股價(jià)崩盤的公司;將“健康公司”定義為A股上市以后沒有發(fā)生過股價(jià)崩盤的公司。公司生存時(shí)間以樣本公司首發(fā)上市時(shí)間作為起點(diǎn),對于死亡公司樣本,以公司首次發(fā)生股價(jià)崩盤的年度作為終點(diǎn);對于健康公司樣本,以2020年度作為終點(diǎn)。在研究樣本數(shù)據(jù)選取方面,對發(fā)生股價(jià)崩盤公司使用首次發(fā)生股價(jià)崩盤當(dāng)年的數(shù)據(jù),未發(fā)生股價(jià)崩盤的健康公司使用2020年的數(shù)據(jù),因此將在觀察期內(nèi)已經(jīng)發(fā)生股價(jià)崩盤公司的生存時(shí)間表示為非截尾數(shù)據(jù),將在觀察期內(nèi)未發(fā)生股價(jià)崩盤公司的生存時(shí)間表示為截尾數(shù)據(jù)。

        解釋變量分為財(cái)務(wù)指標(biāo)和非財(cái)務(wù)指標(biāo)兩個(gè)維度,其中財(cái)務(wù)指標(biāo)分別從公司償債能力、營運(yùn)能力、盈利能力、發(fā)展能力等方面選擇代表性指標(biāo),非財(cái)務(wù)指標(biāo)則借鑒譚建華和王雄元(2022)、黃金波等(2022)的研究確定,同時(shí)考慮到公司年報(bào)文本信息的重要性,加入年報(bào)篇幅、年報(bào)語調(diào)兩個(gè)指標(biāo)。具體的變量說明和定義如表1所示。

        (三)模型構(gòu)建

        本文采用Cox模型對各影響因素進(jìn)行研究,構(gòu)建預(yù)警模型并借助相關(guān)指標(biāo)對模型進(jìn)行評估,然后利用機(jī)器學(xué)習(xí)中的Cox集成學(xué)習(xí)模型對預(yù)警模型的預(yù)測性能給予進(jìn)一步優(yōu)化,從而挖掘Cox集成學(xué)習(xí)模型的最佳表現(xiàn)。具體操作步驟如下:

        首先在全樣本上構(gòu)建Cox模型,研究所選取的指標(biāo)對股價(jià)崩盤的影響,解釋風(fēng)險(xiǎn)因子與股價(jià)崩盤事件之間的統(tǒng)計(jì)意義與經(jīng)濟(jì)邏輯,并通過繪制累積基準(zhǔn)風(fēng)險(xiǎn)函數(shù)與個(gè)別協(xié)變量的生存函數(shù)探究股價(jià)崩盤的時(shí)間變動風(fēng)險(xiǎn)與協(xié)變量對企業(yè)經(jīng)營存續(xù)時(shí)間的影響。

        其次建立股價(jià)崩盤預(yù)警模型,在構(gòu)建模型之前需要對數(shù)據(jù)集按8∶2的比例進(jìn)行訓(xùn)練集與測試集的隨機(jī)劃分,以避免信息泄漏,保證在測試集上進(jìn)行預(yù)測的有效性。在訓(xùn)練集上訓(xùn)練Cox模型,并在測試集上進(jìn)行擬合。接著對實(shí)證結(jié)果進(jìn)行評估。不同于以往的機(jī)器學(xué)習(xí)模型,本文評估實(shí)證結(jié)果的第一個(gè)指標(biāo)為一致性指數(shù),也稱為C_index,旨在度量評估預(yù)測時(shí)間排序的準(zhǔn)確性。第二個(gè)評估指標(biāo)為Brier分?jǐn)?shù),該評分旨在評價(jià)模型的總體表現(xiàn),與時(shí)間相關(guān)的Brier分?jǐn)?shù)是均方誤差對右刪失數(shù)據(jù)的擴(kuò)展,給定一個(gè)時(shí)間點(diǎn)t,定義為:

        最后運(yùn)用不同集成學(xué)習(xí)模型進(jìn)行預(yù)測。本文選擇Lasso-cox模型、隨機(jī)生存森林模型(RSF)、梯度提升樹模型(GBS)等模型進(jìn)行對原數(shù)據(jù)進(jìn)行進(jìn)一步預(yù)測,除一致性指數(shù)外,還采用了ROC曲線及AUC面積作為評估指標(biāo)。當(dāng)ROC曲線擴(kuò)展至連續(xù)結(jié)果時(shí),尤其在生存分析中,傳統(tǒng)的靜態(tài)ROC曲線通常是失效的,故本文采用動態(tài)AUC值進(jìn)行評估。

        三、結(jié)果分析

        (一)Cox模型估計(jì)

        將共線性檢驗(yàn)后篩選得到的數(shù)據(jù)作為協(xié)變量代入Cox回歸模型,實(shí)證結(jié)果如表2所示。

        表2中coef為變量的參數(shù)估計(jì)系數(shù),其正負(fù)可以判別指標(biāo)的風(fēng)險(xiǎn)屬性,一般地,當(dāng)coef = 0時(shí),表示該變量對上市公司的股價(jià)崩盤發(fā)生沒有影響;當(dāng)coef >0時(shí),表示該變量的增加會導(dǎo)致公司發(fā)生崩盤的可能性上升,對公司的生存率有負(fù)面影響,該指標(biāo)為危險(xiǎn)因素;當(dāng)coef <0時(shí),說明該變量增加會使發(fā)生崩盤的可能性下降,該指標(biāo)為保護(hù)因素。此外,除獨(dú)立董事比例、兩職合一、管理費(fèi)用率、是否為四大審計(jì)、總資產(chǎn)周轉(zhuǎn)率、賬面市值比、機(jī)構(gòu)投資者持股比例外,其余指標(biāo)的顯著性sig值均小于0.1,說明這些指標(biāo)對上市公司的股價(jià)崩盤具有顯著影響,具體而言:

        (1)公司規(guī)模、是否為國有企業(yè)、資產(chǎn)負(fù)債率、凈資產(chǎn)收益率、現(xiàn)金流比率、年報(bào)篇幅的系數(shù)均小于0,表明上述因素能夠在一定程度上降低股價(jià)崩盤發(fā)生的可能,屬于保護(hù)因素。選擇保護(hù)因素中系數(shù)絕對值最大的因素“現(xiàn)金流比率”進(jìn)行具體分析,如圖1估計(jì)曲線所示,上市五年左右,不同現(xiàn)金流比率水平下企業(yè)存活比率相差不大;上市十五年左右,現(xiàn)金流比率分別為0.224與0.258的情況下,企業(yè)存活比率相差20%左右,說明隨著現(xiàn)金流比率的增加,公司股價(jià)崩盤發(fā)生的可能就越小。究其原因,現(xiàn)金流量是企業(yè)維持日常經(jīng)營活動和生產(chǎn)活動的基礎(chǔ),現(xiàn)金流量短缺會直接影響企業(yè)生產(chǎn)經(jīng)營,容易引發(fā)財(cái)務(wù)危機(jī),造成企業(yè)股價(jià)崩盤的風(fēng)險(xiǎn)。

        (2)董事人數(shù)、第一大股東持股比例、管理層持股比例、營業(yè)收入增長率、年報(bào)語調(diào)等指標(biāo)的系數(shù)均大于0,表明上述因素能夠在一定程度上增加股價(jià)崩盤發(fā)生的可能,屬于危險(xiǎn)因素。選擇危險(xiǎn)因素中系數(shù)絕對值最大的因素“管理層持股比例”進(jìn)行具體分析,如圖2所示,上市七年左右,管理層持股比例為20%的公司與管理層持股比例為70%左右的公司存活比率相差高達(dá)50%;管理層持股比例為70%左右的公司基本在上市15年后發(fā)生股價(jià)崩盤,管理層持股比例為20%左右的公司在上市15年內(nèi)有40%未發(fā)生股價(jià)崩盤??赡艿脑蛟谟?,管理層持股一定程度可以發(fā)揮“利益趨同效應(yīng)”,提高管理層承擔(dān)風(fēng)險(xiǎn)的主動性,提升工作效率,但隨著管理層持股比例的增加,權(quán)力的過度集中又容易誘發(fā)權(quán)力濫用的現(xiàn)象,管理者自利行為以及管理者“捂盤”行為發(fā)生的可能性將大大增加,從而增加了上市公司的股價(jià)崩盤發(fā)生風(fēng)險(xiǎn)。

        圖3為累計(jì)風(fēng)險(xiǎn)函數(shù)曲線圖,可以看到隨著年限的增加,企業(yè)股價(jià)崩盤發(fā)生的累計(jì)風(fēng)險(xiǎn)就越高,具體表現(xiàn)為在上市后前中期風(fēng)險(xiǎn)累計(jì)較為緩慢,企業(yè)上市15年以后風(fēng)險(xiǎn)累計(jì)速度明顯加快。

        (二)進(jìn)一步分析

        在基礎(chǔ)回歸完成以后,本文繼續(xù)利用Cox模型進(jìn)行預(yù)測。與常規(guī)文獻(xiàn)利用Cox模型確定一個(gè)閾值K進(jìn)行風(fēng)險(xiǎn)預(yù)警的方法不同,本文將數(shù)據(jù)集進(jìn)行訓(xùn)練集與測試集的隨機(jī)劃分,在訓(xùn)練集上訓(xùn)練Cox模型并在測試集上進(jìn)行擬合。

        1.一致性指數(shù)

        生存模型最常用的評估指標(biāo)是一致性指數(shù),它估計(jì)了預(yù)測結(jié)果與實(shí)際觀察到的結(jié)果相一致的概率。其取值具體解釋為:(1)0.5是隨機(jī)預(yù)測的預(yù)期結(jié)果;(2)1.0是完美的一致性;(3)0.0是完美的反一致性。因此,該指標(biāo)取值介于0.5與1.0之間時(shí)表示模型的預(yù)測性能是可接受的。且該指標(biāo)的值越接近于1.0,說明模型預(yù)測性能更優(yōu)。

        表3為利用Cox模型進(jìn)行預(yù)測后的一致性指數(shù)結(jié)果。可以看出Cox模型評估結(jié)果在訓(xùn)練集和測試集上公司特征變量對股價(jià)崩盤的一致性指數(shù)分別為76.24%、74.59%,均大于70%且未出現(xiàn)過擬合問題,說明Cox模型的預(yù)測結(jié)果是可接受的。

        2.變量的特征重要性

        為進(jìn)一步探究非財(cái)務(wù)層面、財(cái)務(wù)層面特征與股價(jià)崩盤風(fēng)險(xiǎn)之間的關(guān)聯(lián),本文采用特征重要性來進(jìn)行考察,表4報(bào)告了Cox模型中各變量對于預(yù)測企業(yè)股價(jià)崩盤風(fēng)險(xiǎn)的特征重要性。

        通過將表4與表2進(jìn)行對比發(fā)現(xiàn),年報(bào)篇幅、公司規(guī)模、是否為國有企業(yè)、年報(bào)語調(diào)等指標(biāo)在預(yù)測過程中作用比Cox回歸中影響作用更加明顯,背后深層次的原因可能是:(1)通常情況下年報(bào)篇幅的增加意味著公司管理層披露的信息更豐富,其主要通過報(bào)表附注信息的增加與更多非財(cái)務(wù)信息的披露使得投資者面臨的信息不對稱程度降低,進(jìn)而降低企業(yè)股價(jià)崩盤的可能性;(2)規(guī)模越大的企業(yè)在規(guī)模經(jīng)濟(jì)、風(fēng)險(xiǎn)分擔(dān)和融資渠道等方面擁有相對優(yōu)勢,能夠一定程度減少股價(jià)崩盤的發(fā)生,起到保護(hù)作用;(3)由于我國特殊的制度背景,國有企業(yè)在資源、政策、融資等方面較非國有企業(yè)具有更多的優(yōu)勢,同時(shí)國家作為大股東會對其管理層進(jìn)行比較嚴(yán)格的監(jiān)管,此外國有企業(yè)對會計(jì)信息進(jìn)行盈余管理的動機(jī)較弱,因此,產(chǎn)權(quán)性質(zhì)會在較大程度上影響企業(yè)股價(jià)崩盤;(4)我國股市中的大部分個(gè)人投資者存在較大的信息差,當(dāng)擁有信息優(yōu)勢的管理層想要掩蓋負(fù)面消息誤導(dǎo)投資者時(shí),操縱語調(diào)無疑是風(fēng)險(xiǎn)更低的方式。由于我國對文本信息的監(jiān)管缺失以及現(xiàn)實(shí)中管理層普遍存在的自利動機(jī),整體而言,越積極的年報(bào)語調(diào),越有可能是管理層在掩蓋負(fù)面消息或者在傳遞虛假正面消息,其真實(shí)程度越低,增加了企業(yè)股價(jià)崩盤發(fā)生的可能。

        3.Brier分?jǐn)?shù)

        一致性指數(shù)是最常見的預(yù)測衡量標(biāo)準(zhǔn),但這一指數(shù)忽略了預(yù)測風(fēng)險(xiǎn)評分的實(shí)際值,其只是一個(gè)排名指標(biāo),并且無法說明任何有關(guān)校準(zhǔn)的信息,故本文進(jìn)一步采用第二個(gè)評估指標(biāo)Brier分?jǐn)?shù),其通常用于評估校準(zhǔn),對于一組預(yù)測值其數(shù)值越低,預(yù)測校準(zhǔn)越好。校準(zhǔn)性是模型獲得概率隨時(shí)間變化的傾向,從概率的角度看待公司股價(jià)崩盤事件時(shí),檢查校準(zhǔn)性比檢查準(zhǔn)確性更重要。

        圖4是部分預(yù)測時(shí)間段下的Brier分?jǐn)?shù)連線,可以看到,當(dāng)截取預(yù)測時(shí)間段的一部分,模型在公司上市后的10到17年之間Brier分?jǐn)?shù)連線呈下降趨勢,說明校準(zhǔn)效果隨時(shí)間變化越來越好,由此可見Cox模型在進(jìn)行前期預(yù)測時(shí)存在一定的局限性。

        4.運(yùn)用集成學(xué)習(xí)模型進(jìn)行預(yù)測

        為克服上述局限性,本文嘗試運(yùn)用集成學(xué)習(xí)模型進(jìn)行預(yù)測?;赑ython中的scikit-survival模塊,本文選擇Lasso-Cox模型、隨機(jī)生存森林模型(RSF)、梯度提升樹模型(GBS)等集成學(xué)習(xí)模型對原數(shù)據(jù)進(jìn)行進(jìn)一步預(yù)測,并繼續(xù)選擇一致性指數(shù)對預(yù)測結(jié)果進(jìn)行評價(jià),結(jié)果如表5所示。

        從表5可以得出:Lasso-Cox模型預(yù)測準(zhǔn)確度與初始Cox模型相差無幾,而Cox隨機(jī)森林模型、Cox梯度提升樹模型的預(yù)測準(zhǔn)確度有了較為顯著的提升,在訓(xùn)練集與測試集上的提升幅度分別為11.77%與0.44%、6.95%與1.30%。由此可見,Cox隨機(jī)森林模型較基準(zhǔn)Cox模型訓(xùn)練效果更佳,即集成學(xué)習(xí)器較基學(xué)習(xí)器能夠更好地捕捉特征變量的數(shù)據(jù)特征,更好地實(shí)現(xiàn)對響應(yīng)變量的預(yù)測。

        本文進(jìn)一步利用ROC曲線及AUC面積對分類問題模型進(jìn)行評價(jià),ROC曲線的形狀代表了預(yù)測結(jié)果的優(yōu)劣。與普通的ROC曲線及AUC面積不同,進(jìn)行生存分析時(shí),每個(gè)時(shí)間點(diǎn)在瞬態(tài)下會產(chǎn)生一個(gè)對應(yīng)的AUC值,圖5為每個(gè)時(shí)間點(diǎn)在瞬態(tài)下AUC值的連線。

        由圖5可以得出:基準(zhǔn)Cox模型與Lasso-Cox模型的AUC值幾乎相同,Cox隨機(jī)森林模型在前中期的AUC值高于基準(zhǔn)Cox模型與Lasso-Cox模型,但在中后期效果會差一些,相比之下,Cox梯度提升樹模型則更為穩(wěn)定,不同時(shí)間點(diǎn)上均不劣于基準(zhǔn)Cox模型與Lasso-Cox模型,進(jìn)一步證明了梯度提升樹模型對股價(jià)崩盤具有良好的預(yù)測效果。

        四、結(jié)論與不足

        本文選擇A股上市公司為研究對象,采用Cox模型分析了上市公司發(fā)生股價(jià)崩盤的影響因素。從結(jié)果可以看出:董事人數(shù)、第一大股東持股比例、管理層持股比例、營業(yè)收入增長率、年報(bào)語調(diào)等指標(biāo)增加了股價(jià)崩盤發(fā)生的可能性,屬于危險(xiǎn)因素。公司規(guī)模、是否為國有企業(yè)、資產(chǎn)負(fù)債率、凈資產(chǎn)收益率、現(xiàn)金流比率、年報(bào)篇幅等指標(biāo)降低了股價(jià)崩盤發(fā)生的可能性,屬于保護(hù)因素。其中相較于其他保護(hù)因素,現(xiàn)金流比率對抑制公司發(fā)生股價(jià)崩盤的保護(hù)作用較為突出;而相較于其他危險(xiǎn)因素,管理層持股比例對加劇公司發(fā)生股價(jià)崩盤的危險(xiǎn)作用更為明顯。另外,上市公司前中期股價(jià)崩盤累計(jì)風(fēng)險(xiǎn)較小,上市15年以后風(fēng)險(xiǎn)累計(jì)速度明顯加快,更容易發(fā)生股價(jià)崩盤。

        進(jìn)一步預(yù)測證明,本文建立的預(yù)警模型精度較高,具有可接受的識別能力。預(yù)測過程中發(fā)現(xiàn)年報(bào)篇幅、公司規(guī)模、是否為國有企業(yè)、年報(bào)語調(diào)等指標(biāo)在預(yù)測過程中的作用與重要性更加凸顯,這些指標(biāo)特征可以幫助投資者甄別那些尚未發(fā)生股價(jià)崩盤公司的未來經(jīng)營情況,能在一定程度上保護(hù)投資者的利益。

        本文存在以下不足:一方面,模型指標(biāo)選取上只考慮了公司償債能力、營運(yùn)能力、盈利能力、發(fā)展能力等財(cái)務(wù)指標(biāo)和公司治理、文本信息等非財(cái)務(wù)指標(biāo),沒有考慮國家政策等宏觀外部經(jīng)濟(jì)因素的影響。另一方面,在對上市公司發(fā)生股價(jià)崩盤進(jìn)行預(yù)測時(shí),機(jī)器學(xué)習(xí)中的集成學(xué)習(xí)模型展現(xiàn)出了很好的提升模型預(yù)測性能,因此在未來預(yù)測上市公司股價(jià)崩盤風(fēng)險(xiǎn)時(shí),可以考慮更多前沿的機(jī)器學(xué)習(xí)方法與模型。

        參考文獻(xiàn):

        [1]? 趙文耀,白霄,鄭建明.研發(fā)投入是否存在“資源詛咒”效應(yīng)?[J].科學(xué)學(xué)研究,2019,37(12):2176-2193+2304.

        [2]? 楚有為.去杠桿與股價(jià)崩盤風(fēng)險(xiǎn)——基于政策壓力的檢驗(yàn)[J].現(xiàn)代財(cái)經(jīng)(天津財(cái)經(jīng)大學(xué)學(xué)報(bào)),2021,41(08):34-50.

        [3] 張丹妮,周澤將.商譽(yù)與股價(jià)崩盤風(fēng)險(xiǎn)——基于信號理論視角的研究[J].科研管理,2021,42(05):94-101.

        [4]張新民,卿琛.商譽(yù)減值隱藏、內(nèi)部控制與股價(jià)崩盤風(fēng)險(xiǎn)——來自我國A股上市公司的經(jīng)驗(yàn)證據(jù)[J].吉林大學(xué)社會科學(xué)學(xué)報(bào),2022,62(02):82-95+236-237.

        [5] 馬超群,田勇剛.股息率、機(jī)構(gòu)投資者與股價(jià)崩盤風(fēng)險(xiǎn)[J].系統(tǒng)工程理論與實(shí)踐,2020,40(12):3019-3033.

        [6] 唐雪松,鄭宇新,彭情.高送轉(zhuǎn)與股價(jià)崩盤風(fēng)險(xiǎn):抑制還是加重[J].經(jīng)濟(jì)理論與經(jīng)濟(jì)管理,2019(09):59-74.

        [7] 權(quán)小鋒,吳世農(nóng),尹洪英.企業(yè)社會責(zé)任與股價(jià)崩盤風(fēng)險(xiǎn):“價(jià)值利器”或“自利工具”?[J].經(jīng)濟(jì)研究,2015,50(11):49-64.

        [8]田利輝,王可第.社會責(zé)任信息披露的“掩飾效應(yīng)”和上市公司崩盤風(fēng)險(xiǎn)——來自中國股票市場的DID-PSM分析[J].管理世界,2017(11):146-157.

        [9]王嘉鑫,陳今,史亞雅.年報(bào)非財(cái)務(wù)信息的文本披露語言特征會影響股價(jià)崩盤風(fēng)險(xiǎn)嗎?[J].北京工商大學(xué)學(xué)報(bào)(社會科學(xué)版),2022,37(03):98-112.

        [10]譚建華,王雄元.上市公司違規(guī)與年報(bào)文本信息操縱[J].中國軟科學(xué),2022(03):99-111.

        [11] 朱杰.年報(bào)市場風(fēng)險(xiǎn)信息披露與金融市場穩(wěn)定——基于文本分析的經(jīng)驗(yàn)證據(jù)[J].投資研究,2022,41(02):64-84.

        [12]熊浩,錢潤紅.年報(bào)篇幅與股價(jià)崩盤風(fēng)險(xiǎn):信息冗余還是信息傳遞[J].中南財(cái)經(jīng)政法大學(xué)學(xué)報(bào),2022(01):26-37.

        [13]黃金波,陳伶茜,丁杰.企業(yè)社會責(zé)任、媒體報(bào)道與股價(jià)崩盤風(fēng)險(xiǎn)[J].中國管理科學(xué),2022,30(03):1-12.

        [14]LANE W R, LOONEY S W, WANSLEY J W. An application of the Cox proportional hazards model to bank failure[J]. Journal of Banking & Finance, 1986,10(04):511-531.

        [15] HENEBRY K.Do cash fow variables improve the predictive accuracy of a Cox proportional hazards model for bank failure? [J].The Quarterly Review of Economics and Finance,1996,36:395-409.

        [16]宋雪楓,楊朝軍.財(cái)務(wù)危機(jī)預(yù)警模型在商業(yè)銀行信貸風(fēng)險(xiǎn)管理中的應(yīng)用[J].國際金融研究,2006(05):14-20.

        [17] 周勇,謝尚宇,袁媛.信用違約風(fēng)險(xiǎn)模型中違約概率的統(tǒng)計(jì)推斷[J].系統(tǒng)工程理論與實(shí)踐,2008(08):206-214.

        [18]王小燕,袁欣.基于懲罰組變量選擇的COX財(cái)務(wù)危機(jī)預(yù)警模型[J].系統(tǒng)工程,2018,36(03):113-121.

        [19]李鴻禧,宋宇.基于時(shí)間相依Cox回歸的動態(tài)財(cái)務(wù)預(yù)警模型及實(shí)證[J].運(yùn)籌與管理,2020,29(08):177-185.

        [20]宋光磊,劉紅霞.董事會治理風(fēng)險(xiǎn)預(yù)警研究——COX模型的構(gòu)建[J].山西財(cái)經(jīng)大學(xué)學(xué)報(bào),2010,32(04):76-84.

        [21]向?qū)?,曾銀球,閆新國,等.基于支持向量機(jī)方法的債券違約風(fēng)險(xiǎn)監(jiān)測預(yù)警研究[J].金融經(jīng)濟(jì),2022,547(01):40-50.

        [22]楊貴軍,杜飛,賈曉磊.基于首末位質(zhì)量因子的BP神經(jīng)網(wǎng)絡(luò)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型[J].統(tǒng)計(jì)與決策,2022,38(03):166-171.

        [23]孫玲莉,楊貴軍,王禹童.基于Benford律的隨機(jī)森林模型及其在財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警的應(yīng)用[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究,2021,38(09):159-177.

        [24]王小燕,張中艷.帶網(wǎng)絡(luò)結(jié)構(gòu)的自適應(yīng)Lasso財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型[J].數(shù)理統(tǒng)計(jì)與管理,2021,40(05):888-900.

        [25]雷振華,楚攀.基于Cox模型的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警實(shí)證研究——以1990—2012年信息技術(shù)類上市公司數(shù)據(jù)為例[J].湖南社會科學(xué),2013(06):164-167.

        [26]鮑新中,陶秋燕,傅宏宇.基于變量聚類和COX比例風(fēng)險(xiǎn)模型的企業(yè)財(cái)務(wù)預(yù)警研究[J].系統(tǒng)管理學(xué)報(bào),2015,24(04):517-523+529.

        [27]朱永明,邵庚云.基于Cox生存模型的上市公司財(cái)務(wù)困境預(yù)測研究[J].商業(yè)研究,2013(11):108-116.

        [28]俞富坤.基于COX模型的財(cái)務(wù)困境風(fēng)險(xiǎn)的資本結(jié)構(gòu)差異性研究[J].社會科學(xué)家,2021(11):85-91.

        (責(zé)任編輯:張艷妮/校對:胡丕吉)

        猜你喜歡
        集成學(xué)習(xí)風(fēng)險(xiǎn)預(yù)警
        基于局部有效性的選擇性決策樹集成
        基于集成學(xué)習(xí)的高送轉(zhuǎn)股票研究
        基于稀疏編碼器與集成學(xué)習(xí)的文本分類
        基于屬性權(quán)重的Bagging回歸算法研究
        以運(yùn)營動態(tài)為載體,推動地市運(yùn)監(jiān)工作實(shí)用開展
        高校財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警指標(biāo)的建立與應(yīng)用研究
        行政事業(yè)單位的內(nèi)部控制問題以及解決策略思考
        商(2016年27期)2016-10-17 04:56:52
        信息化手段實(shí)現(xiàn)檢驗(yàn)檢疫工作風(fēng)險(xiǎn)管理的可行性探討
        科技視界(2016年2期)2016-03-30 11:10:50
        電網(wǎng)企業(yè)財(cái)務(wù)管理
        中國市場(2016年1期)2016-03-11 13:46:30
        中小企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警管理分析
        中國市場(2016年7期)2016-03-07 10:23:39
        国产精品a免费一区久久电影| 久久夜色精品亚洲天堂| 无码av一区在线观看| 亚洲综合av一区在线| 成人自拍偷拍视频在线观看| 亚洲av无码国产精品色软件| 中年熟妇的大黑p| 自拍 另类 综合 欧美小说| 少妇一级内射精品免费| 久久精品国产亚洲av麻豆瑜伽| 性色av无码中文av有码vr| 99国产小视频| 韩国女主播一区二区三区在线观看| 黑人老外3p爽粗大免费看视频| 国产成人精品123区免费视频| 九九精品无码专区免费| 久久久99精品国产片| 亚洲第一女人av| 熟妇的荡欲色综合亚洲| 免费一级黄色大片久久久| 国产精品美女一区二区av| 国产精品久久久久久久久绿色| 亚洲va在线∨a天堂va欧美va| 久久99久久99精品免观看女同| 人妻少妇被粗大爽视频| 欧美四房播播| 日本免费人成视频播放| 免费看男女啪啪的视频网站| 青青草原综合久久大伊人精品| 久久久久久人妻毛片a片| 在线观看亚洲你懂得| 久久久人妻精品一区bav| 色偷偷亚洲第一成人综合网址 | 欧美极品少妇性运交| 一本久到久久亚洲综合| 亚洲在中文字幕乱码熟女| 无码国产成人午夜电影在线观看| 亚洲最大av资源站无码av网址| 亚洲a∨好看av高清在线观看| 日本一二三四区在线观看| 最新亚洲人成网站在线观看|