用于私人持股公司退出预测的 classifiers 投票模型
机器学习
2019-10-31 v1 统计金融
机器学习
摘要
预测私人持股公司的退出（如破产、被收购等）是投资机构当前面临的相关问题。该问题的难点源于可靠、定量且公开可用数据的缺乏。本文基于定性数据构建退出预测模型，融合三种分类器即 Logistic Regression 模型、Random Forest 模型与 Support Vector Machine 模型的输出，为此贡献力量。组合模型的输出依据各分量模型输出类别的多数决选定。模型使用从 Thomson Reuters Eikon 仓库提取的 1996–2011 年间 54697 家欧美公司数据训练。实验用于预测公司在考量时间窗内最终被收购或上市（IPO）对比保持私有或破产这一互补事件。我们的模型达到 63% 预测准确率，对通常期望成功投资带来极高回报的私募股权投资者而言是颇具价值的数值。
引用
@article{arxiv.1910.13969,
title = {A Classifiers Voting Model for Exit Prediction of Privately Held Companies},
author = {Giuseppe Carlo Calafiore and Marisa Hillary Morales and Vittorio Tiozzo and Serge Marquie},
journal= {arXiv preprint arXiv:1910.13969},
year = {2019}
}