摘要
通过数据分析可以将财务数据以及一些非财务数据转换成有用的信息,来预测公司股价的变化。本文将2015年12月31日以前A股上市的所有非金融行业上市公司作为研究对象,通过LASSO指标收缩方法,建立logistic模型进行股价风险预警。本文根据筛选出的42个指标,利用2016年和2017年两年的公司数据,将"落后股"(1)与"非落后股"比较,筛选出可用于辨别"落后股"和"非落后股"的指标和模型。结果显示,盈利能力和偿债能力方面的指标对于判断公司股价未来走势有明显的指导作用,模型整体判断正确率接近80%,对于找出表现突出的"落后股"有较强的指导意义。
引文
[1]Beaver W H. Financial Ratios As Predictors of Failure[J]. Journal of Accounting Research, 1966, 4(1):71-111.
[2]Altman, E. I. Financial ratios, discriminant analysis and the prediction of corporate bankruptcy. Journal of Finance, 1968,23(4),589-609.
[3]Ohlson J A. Financial Ratios and the Probabilistic Prediction of Bankruptcy[J]. Journal of Accounting Research, 1980,18(1):109-131.
[4]文海涛,倪晓萍.我国上市公司财务指标与股价相关性实证分析[J].数量经济技术经济研究,2003,20(11):120-124.
[5]EJMclaney,麦克兰利,黄慧馨,等.公司财务管理理论与实践[M].高等教育出版社,2000.
[6]王吉凤,程腊梅,王忠.财务管理[M].清华大学出版社,2016.
[7]胡可云,田凤占,黄厚宽.数据挖掘理论与应用[M].清华大学出版社,2008.
[8]吴世农,卢贤义.我国上市公司财务困境的预测模型研究[J].经济研究,2001(6):46-55.
[9]杜彦璞,苏雷.基于LASSO方法在变量选择中的应用研究[J].城市地理,2016(12).
[10]成鹏伟,费宇.LASSO和A-LASSO方法在财务预警模型变量选择中的应用[J].中国证券期货,2013(3):110-111.
[11]杨青龙,田晓春,胡佩媛.基于LASSO方法的企业财务困境预测[J].统计与决策,2016(23):170-173.
[12]方匡南,章贵军,张惠颖.基于LASSO-Logistic模型的个人信用风险预警方法[J].数量经济技术经济研究,2014(2):125-136.
(1)将2015年12月31以前上市的全部非金融行业上市公司作为一个整体,分别取2016年和2017年股票年度涨跌幅,将股票相对收益率处于后30%的均定义为“落后股”,其他公司定义为“非落后股”。
(2)后文中,如未作特殊说明,“收益率”均指此处定义的相对收益率。