基于非平衡数据处理的上市公司ST预警混合模型

作者：迟国泰,章彤,张志鹏

摘要：准确预测上市公司ST状态,对上市公司自身的管理以及投资者的投资决策极为重要。本文通过Lasso最小二乘回归筛选ST判别能力最强的指标组合,并用SMOTE过采样技术对上市公司数据进行平衡化处理,再通过逻辑回归与BP神经网络的混合模型,基于不同时间窗口的数据对中国上市公司ST状态进行预测。本文创新与特色:一是将BP神经网络和逻辑回归分别得到的公司ST概率与指标数据一同代入BP神经网络模型中预测ST状态,提高了仅用单一判别模型的预测准确率;二是以Lasso最小二乘回归方程的误差最小为目标,寻找对ST状态判别能力最大的一组指标;三是采用SMOTE对上市公司样本进行平衡化处理,解决了非平衡数据下模型判别不准确的问题;四是分别采用了提前2年、3年、4年和5年的数据对公司未来ST状态进行预测,找到了ST预警的最优时间窗口。

发文机构：大连理工大学经济管理学院

关键词：非平衡样本最优指标组合ST预警中国上市公司混合模型imbalanced dataoptimal indicator setST warningChinese listed companyhybrid model

分类号： F27[经济管理—企业管理][经济管理—国民经济]