APP下载

中国上市公司“高送转”预测研究
——基于灰色预测与支持向量回归模型混合分析

2021-11-22麦继芳赵海清

韶关学院学报 2021年9期
关键词:特征分析方法

麦继芳,赵海清

(岭南师范学院 数学与统计学院,广东 湛江 524048)

近年来,我国证券市场的快速发展催生了一批题材股.其中,“高送转”题材股深受国内外众多学者关注.对“高送转”预测问题的研究,现行的主要研究方法有logistic 回归分析方法及logistic 模型与其他模型相结合的分析方法.文献[1]采用logistic 回归模型对创业板上市公司“高送转”的影响因素进行分析,研究结果表明:创业板上市公司“高送转”的主要影响因素是公司总市值及其股价.文献[2]使用logistic 回归模型与主成分分析相结合的方法,构建高送转股票的预测模型,预测准确度最高可达80.91%.文献[3]运用logistic 回归模型和支持向量机集成的方法对上市公司是否实施“高送转”行为进行预测分析.文献[4]采用 logistic 回归和决策树方法构建两种预测模型,最后基于损失函数确定权重将两种预测模型按权重进行线性组合建立组合模型,预测准确度最高可达85.19%.笔者在已有的研究基础上,结合灰色预测模型与支持向量回归模型的优势,混合应用灰色预测模型与支持向量回归模型对上市公司是否“高送转”进行预测分析.

1 研究方法

1.1 Lasso 方法

Lasso 方法[5]是将参数估计与变量选择同时进行的一种正则化方法.它通过构造一个惩罚函数,使得一些不显著变量的系数压缩为零的方式进行特征变量选择,其参数估计公式为:

1.2 灰色预测模型

其中,X(1)为X(0)进行一次累加得到的序列,序列为X(1)={X(1)(k),k=1,2,…,n},序列X(0)={X(0)(i),i=1,2,…,n}为一非负单调原始数据序列.灰色预测模型的优点……

登录APP查看全文

猜你喜欢

特征分析方法
隐蔽失效适航要求符合性验证分析
如何表达“特征”
不忠诚的四个特征
电力系统不平衡分析
电力系统及其自动化发展趋势分析
用对方法才能瘦
四大方法 教你不再“坐以待病”!
捕鱼
线性代数的应用特征