Elastic Net方法在Cox模型变量选择中的研究

将Elastic Net方法运用于Cox模型的变量选择中,建立EN-Cox模型,证明了Cox模型的Elastic Net估计具有组效应性质.数值模拟验证了Elastic Net方法能将强相关变量全部选入Cox模型,而Lasso方法无此功效.数值实例验证了Elastic Net方法运用于Cox模型的可行性,表明EN-Cox在拟合效果和预测能力方面均优于传统Cox模型.

Adaptive Elastic Net方法在Cox模型变量选择中的研究

将Adaptive Elastic Net方法运用于Cox模型的变量选择中,证明了在一定条件下,Cox模型的Adaptive Elastic Net估计具有组效应性质.数值模拟和具体实例验证了该估计的组效应性质,表明Cox模型的Adaptive Elastic Net方法优于Lasso方法、Adaptive Lasso方法和Elastic Net方法.

考虑数据成组现象的企业信用风险预警模型

大数据时代企业征信数据出现了较为明显的成组现象,这对企业信用风险预警模型的开发提出了新的挑战。文章在Cox比例风险模型框架下,引入bi-level组变量选择方法筛选影响企业信用风险因素。数值模拟及实证研究表明,文章引用的模型要优于基于Group Lasso、Lasso罚及不加罚的Cox模型,且每股未分配利润、资产报酬率、营业利润/营业总收入三个指标对企业信用风险具有显著的负向效应。

Elastic Net方法在纵向数据模型中的应用

将Elastic Net方法(EN方法)运用于平衡纵向数据模型的变量选择中,建立了相应的纵向数据模型,证明了平衡纵向数据模型的EN估计具有组效应性质,通过数值模拟比较EN方法和Lasso方法,表明EN方法在处理强相关变量时因其能将强相关变量全部选入纵向数据模型而优于Lasso方法.