基于组效应的变量选择模型在财务数据上的应用研究

上市公司的财务数据往往呈现出高维度,强相关性和组效应特征,传统的回归模型不再适用,基于惩罚函数建立稀疏模型成为了当前研究的热点.在线性回归模型基础上,基于组变量和双重变量选择方法研究了具有组效应的高维数据协变量选择模型.模拟对比研究发现,cMCP方法的预测误差更小,冗余变量和重要变量的选择比较合理.同时,通过制造业每股收益的数据进行实证分析显示,cMCP方法在变量选择上更贴合实际,能有效降低变量之间的多重共线性,使得模型的可解释性更强.