《基于LASSO回归模型的投融资风险及其防范和化解策略分析5400字》

基于LASSO回归模型的投融资风险及其防范和化解策略分析综述目录TOC\o"1-2"\h\u7489基于LASSO回归模型的投融资风险及其防范和化解策略分析综述 147651.1投资风险概述 1235371.2投资者的风险防范和化解策略 27791（4）重复步骤（2）和步骤（3）直至收敛。 3275081.3互联网金融企业的风险防范和化解策略 5141051.3.1不考虑外部效应时的非线性定价方法 5111321.3.2基于霍特林模型的考虑外部效应的定价方法 6148641.3.3信用风险的测度与防范 7138351.4融资者的风险防范和化解策略 8189821.1.1融资时的两难选择 8143631.1.2融资前的投资者—融资者的贝叶斯博弈 9306041.1.3运营中的投资者—融资者线性契约设计 111.1投资风险概述互联网金融行业的投融资风险存在于投资者与金融平台、金融平台与融资企业之间，主要包括信用风险、市场风险和流动性风险。信用风险是互联网金融企业的投资风险中占比例最大的一类风险，据统计，互联网金融行业面临的信用风险比债券、银行贷款更高。而在发生信用风险的企业中，民营企业的信用风险占比最高。这是因为：互联网金融借贷的利率往往高于债券和银行贷款的利率，特别是一些民营企业，由于其用于担保的抵押品少，且经营风险大，贷款利率极高，根据逆向选择理论，高利率会将很多风险低的优质借款者逐出市场，反而吸引了很多高危借款者，提高了互联网金融借贷的整体风险水平。市场风险是指借贷利率发生突发变动而造成投资者或融资者利益损失的风险。根据久期理论，久期与其到期收益率成反比，期限越长，到期收益率越低，市场风险越大。据P2P网贷平均借款期限时间序列分析结果显示，P2P网贷平均借款期限呈上升态势，这显示出互联网金融行业的市场风险有上升趋势。流动性风险主要体现在投资者无法及时取现投资资金、借款者无法获得足够的资金、借款者面临投资者突然撤资或不再展期、借款者被强制还款时无法顺利抛售资产等方面，它的根源在于期限错配，即投资者提供资金的期限小于借款者提供资产的期限。1.2投资者的风险防范和化解策略投资者面临何种程度的信用风险，不同程度的信用风险会对投资者造成多大的损失，这些都是不可直接观测和衡量的。著名财务专家EdwardIAltman建构的Z评分模型，甄别出了对财务风险有关键作用的指标，是观测企业的财务困境的传统途径。但是，随着时间的推移和企业的营商环境的动态变化，根据这五个财务指标预测财务风险的精准程度也发生了变化，在变化发展的环境下，Z评分模型对于许多变化的敏感性不足，因此其并非是预测财务风险的最佳方法。企业是否处于财务风险状态显然是一个服从二项分布的变量，并且，企业的财务风险尺度是一个数值型变量，对这类变量适合运用Logistic回归进行分析。企业的财务分析涉及众多财务指标，但并非所有的财务指标均与财务风险状态有相关关系，所以，这一分析包含一定程度的多重共线性。多重共线性的存在会使参数估计量的经济意义不合理，使模型的预测失去意义。LASSO回归模型是一种处理具有多重共线性数据的有偏的压缩估计法。这一方法的基本原理是：通过逐步稀释，过滤一些影响力度小的回归系数，剔除冗杂指标，使得估计模型逐步趋于精准和简练，最终得出估计结果。构建LASSO回归函数：（4-1）运用下述步骤进行分析：（1）基于迭代次数S=0，计算初始估计值；（2）基于迭代次数S=1，计算回归函数极大似然函数的无偏估计量；（3）基于迭代次数S=2，计算更新后的估计值；（4）重复步骤（2）和步骤（3）直至收敛。基于上述方法，选取2020年度部分ST股票进行分析，选取的股票如下：表4—1财务风险预警模型选取分析样本股票代码及名称表因变量Y=1为“被ST”或“被*ST”，运用10折CV法，结合R语言分析工具中CV和Grpreg包进行分析，经过聚类分析的指标筛选，包括流动比率在内的15个指标对企业的财务风险具有预测功能，这些指标如下：表4—2财务风险预警模型指标及其指代意义参照表经过模型拟合，对于偿债能力指标，在期的拟合中，速动比率、现金比率进入分析，而在期，流动比率进入分析，在期，资产负债率进入分析。对于盈利与发展能力指标，在期的拟合中，资产减值损失比率、净资产增长率进入分析，而在期，销售净利润增长率、营业成本率、净资产增长率进入分析，在期，销售净利润增长率、资本回报率、权益收益率进入分析。对于企业价值指标，市盈率、市值面值比、企业价值乘数依次进入分析。迭代三次的财务预警模型分别是：（4-2）根据上述财务预警模型，验证训练集和测试集的预测精度如下：表4—3财务风险预警模型训练集和测试集预测精度统计表此财务预警模型对于训练集的综合精度为91%，拒真偏误概率为12%，取伪偏误概率为6%，对于测试集的综合精度为87.5%，拒真偏误概率为16%，取伪偏误概率为9%。由于精度接近90%，所以，该财务预警模型的预测功能较好。经过上述分析，投资者在选择投资对象时，应当按照以下方法选取被投资企业，以便监测企业的财务风险，在被投资企业发生财务困境或不当经营问题时，及时抽出资金，防范和化解资金损失：首先，在债务偿付方面，投资者短期内应当关注现金比率、速动比率之类的指标，中期应当关注流动比率、资产负债率之类的指标，长期则应着重关注资产负债率、权益乘数等指标。其次，在盈利和投资者发展方面，投资者短期内应当关注净资产和近期资产减值，中期应当关注销售净利率的增长能力和成本率，长期则应关注资本回报率、权益回报率等指标；最后，在投资者价值方面，投资者短期内应当关注市盈率、市净率，中长期和长期则应当关注经济附加值、EV乘数等指标。1.3互联网金融企业的风险防范和化解策略根据逆向选择理论，过高的网贷利率会使得高违约风险融资者充斥互联网金融市场，加大互联网金融行业整体信用风险水平，但设置较低的网贷利率会使得投资者的投资兴趣降低，使得融资者无法获得足够资金。所以，设置合理的借款和贷款利率，能够实现资源的更好配置，优化投融资各方的利益分配关系。1.3.1不考虑外部效应时的非线性定价方法非线性定价是不完备信息博弈中寡头垄断厂商的一种歧视性定价行为，它能够帮助垄断厂商甄别消费者类型，并随之设置产品价格，从而获取更可观的收益。非线性定价分为“最优定价”和“次优定价”两种类型，其中，最优定价适用于垄断厂商能够精准区分消费者类型的消费活动，而次优定价则适用于垄断厂商无法精准区分消费者类型的消费活动。假设投资者形同于垄断厂商，而融资企业形同于消费者，在此问题中应用非线性定价模型，可以为投资者提供资产配置方法，使其能够从深入洞悉创业公司的经营成果，获得真实的投资回报。如果投资者无法观测到融资企业的风险类型，但能够知悉融资企业分为“高风险型”和“低风险型”两种，此时最优非线性定价不再满足激励——相容条件，应当使用次优非线性定价策略。同样设定投资活动有的概率取得高收益，否则取得低收益，边际成本为c，这一问题可以描述为下列线性规划：（4-3）其中，不等式1-2所描述的是使得融资企业获得正收益，从而持续经营的“参与约束”，而不等式3-4所描述的是使得融资企业选择的风险尺度与其风险承受能力相当的“激励-相容约束”。基于上述分析，使得投资者收益最大化的定价在不同风险情景下表示为：（4-4）由此，不考虑外部效应因素时，投资者的最优定价策略应当为：（4-5）1.3.2基于霍特林模型的考虑外部效应的定价方法霍特林模型，根据这一模型，建立考虑外部效应的竞争性平台定价模型，模型中的基本符号表示如下：表4—4基于霍特林模型的竞争性平台定价模型参数及其意义说明表将霍特林模型结合本问题进行应用，对于任意两个互联网金融平台i和j而言，其应当限制运用该平台进行交易者的最优规模如下：（4-6）互联网金融平台的最优定价如下：（4-7）基于上述推导，互联网金融平台的利润为：（4-8）综上所述，互联网金融平台为获取最大化利润，应采取如下策略：首先，互联网金融平台应当实施差别化定价策略，适当增加融资企业的交易成本，降低投资者的交易成本。其次，投资者对融资企业和融资企业对投资者的网络外部效应对互联网金融平台的利润有反向作用，互联网金融平台要建立健全应急风险处置机制，增强风险防范能力，及时防止风险蔓延，尽力减少网络外部负效应的影响。最后，投资者和融资企业内部的网络效应对互联网金融企业的利润有反向影响，互联网金融企业应当关注投资者、融资者群体对互联网金融平台的负反馈，在消除两者相互影响的同时，注重对群体内部危机保持一定的关注。1.3.3信用风险的测度与防范同银行的准备金一样，互联网金融企业也需要持有一定的资本，以应对信用风险及其他冲击的影响。互联网金融企业的资本有三种类型，包括列示于资产负债表上的账面资本、按照监管当局的规定而保留的监管资本以及用于抵御非预期损失的虚拟资本。其中，经济资本对于低于非预期损失和提升收益率具有重要意义，因此，合理测度信用风险，确定恰当的经济资本水平，是互联网金融机构风险管理的关键。测度信用风险和确定经济资本的模型包括如下指标：表4—5信用风险观测和经济资本设置参考指标及其指代意义表信用损失包括预期损失和非预期损失两种类型。其中，预期损失是可以通过统计手段直接观测到的，互联网金融机构可以观测预期损失，统计相关数据，确定合适的准备金比率。而非预期损失是有预期之外的冲击造成的对预期损失的偏离，无法通过事先计提准备金对冲非预期损失，所以应当设置经济资本加以防范。经济资本金在一定的时段内，金融机构在某一置信水平上，为弥补非预期损失而预计需要的资本，它满足：（4-9）代入相关指标的运算，经济资本金公式可进一步推理为：（4-10）信用风险的分布是一个非标准型正态分布，其分布特征取决于和两个变量，其中，决定信用风险分布的峰度，而决定信用风险分布的偏度。当且仅当时，信用风险的分布呈现左偏、厚尾的一般分布特征。一个标准的信用风险分布曲线如下：图4-1信用风险分布曲线决定信用风险分布偏度的参数的表达式为：（4-11）根据上述表达式，可以较为精确地确定信用风险的分布特征，对信用风险敞口进行预测，进而根据预测结果设置合适的准备金比率和经济资本比率，从而有效方法化解因预期损失和非预期损失而造成的冲击。1.4融资者的风险防范和化解策略1.1.1融资时的两难选择融资者面临着这样的一个两难选择：如果向投资者充分展示自己的创意，会增强投资者的信心和投资积极性，有利于获得长期的、稳定的投资，但面临着创意泄露的风险，其知识产权难以得到充分保障。如果不向投资者展示自己的创意或有选择地进行展示，可能会使得投资者无法充分了解项目，难以获得投资者的信任，融资者可能难以筹集到足量的资金。筹集到资金后，融资者又面临一个新的两难选择：如果向投资者充分披露其经营绩效，展现自己的运营理念，可能会进一步提升投资者的投资兴趣，进一步扩展自己的业务范围，但这种情况下可能造成融资企业内部机密信息的泄露。如果不向投资者充分披露经营绩效和展现运营理念，虽然能够保障企业内部信息的安全，但不利于维持投资者的长期、稳定的投资。根据上述分析，创业公司要获得长期的稳定投资，就必须关注以下两个问题：一方面，创业公司应当选取合理的创意披露程度（CDT），从而使自己在不面临创意被剽窃或模仿风险的同时，获得投资者的意向投资。另一方面，创业公司应当在经营管理中向投资者适当地披露公司经营管理中的绩效状况，使得投资者进一步增加投资兴趣，注入更多的资金。1.1.2融资前的投资者—融资者的贝叶斯博弈由于融资企业掌握一定的私人信息，融资企业与投资者的策略之间具有依存性，所以，投资者和融资企业构成一个贝叶斯博弈。这一博弈的策略型博弈和广延型博弈分别为：表4—6投资者—融资者贝叶斯博弈的策略型博弈投资企业高额投资低额投资不投资Pr(H)融资企业充分披露部分披露极少披露Pr(L)充分披露部分披露极少披露图4-2投资者—创业公司贝叶斯博弈的广延型博弈以pr（H）表示经济前景向好的状态，而pr（L）表示经济前景低迷的状态。在经济前景向好时，假设融资企业有α的概率选择充分披露其创意，有mα的概率选择有限地披露其创意，有（1-α-mα)的概率选择极少地披露其创意。对于投资者而言，假设投资者选择高额投资的概率是β，低额投资的概率是nβ,不投资的概率是：1-β-nβ。为保证融资企业在市场前景较好时采取严格混合策略，则应当选择适当的，使得融资企业在充分披露创意、部分披露创意和极少披露创意之间的选择是无差异的，即：（4-12）同样地，要保证投资者采取严格混合策略，应当使其在高额投资、低额投资和不投资之间的选择是无差异的，即：（4-13）而后验概率pr(H|高额）满足贝叶斯法则，即：（4-14）根据上述计算式，可以解得均衡条件和。对于创业公司而言，若大于，则有理由相信创业公司会充分地披露其创意和运营理念，此时透明性较高，投资者应当采取积极的投资策略。反之，则表明创业公司在很大概率上不会充分地披露其创意和运营理念，此时，投资者难以对标的企业进行全面的了解，应当采取保守的或者消极的投资策略。1.1.3运营中的投资者—融资者线性契约设计假设融资企业能够给投资者带来的收益为：（4-15）其中，ROP为