企业存活预测的高维受限 MIDAS logistic 回归
计量经济学
2026-02-09 v2 机器学习
摘要
本文解决企业危机预测的挑战，这一问题由三个关键统计难题构成：(i) 右侧删失(censoring)，(ii) 高维预测变量，以及 (iii) 混合频率数据。为克服这些复杂问题，我们引入一种新型的高维受限 MIDAS（Mixed Data Sampling）logistic 回归。该方法通过逆概率加权处理删失，通过采用稀疏-组惩罚实现大量混合频率预测变量的精确估计。我们建立了估计误差的有限样本界，考虑到删失、MIDAS 近似误差以及厚尾分布。对于统计推断，我们发展了该惩罚估计器的去稀疏化版本并建立了其渐近理论，这使得在具有删失的高维设置中能够进行有效的统计推断。我们表明删失导致去稀疏化估计器具有非标准方差结构，而这一特征在现有文献中尚未得到研究。通过蒙特卡罗模拟展示了该方法的优越性能。最后，我们将该方法的广泛应用用于预测中国列市企业的财务危机，并识别出用于预测危机的统计显著协变量。我们的新方法由 R 包 \texttt{Survivalml} 实现。
引用
@article{arxiv.2502.09740,
title = {High-dimensional censored MIDAS logistic regression for corporate survival forecasting},
author = {Wei Miao and Jad Beyhum and Jonas Striaukas and Ingrid Van Keilegom},
journal= {arXiv preprint arXiv:2502.09740},
year = {2026}
}