Login for students

Login for employees

Publication detail

An ensemble model minimising misjudgment cost: Empirical evidence from Chinese listed companies
Authors: Yuan Kunpeng | Abedin Mohammad Zoynul | Hájek Petr
Year: 2025
Type of publication: článek v odborném periodiku
Name of source: International Journal of Finance & Economics
Publisher name: Wiley
Place: New Jersey
Page from-to: 3875-3900
Titles:
Language Name Abstract Keywords
cze Ensemble model minimalizující náklady spojené s nesprávným úsudkem: Empirické důkazy z čínských kótovaných společností Predikce finanční tísně podniků je klíčová pro rozhodování o bankovních úvěrech i investicích do podnikových dluhopisů. Nesprávná identifikace stavu selhání může uvést věřitele a investory v omyl a vést k významným finančním ztrátám. Tento článek navrhuje ansámblový model, který minimalizuje celkové náklady chybného rozhodnutí zohledněním vážené ztrátové funkce vycházející z nevyváženého poměru chyb I. a II. typu v účelové funkci. Na rozdíl od existujících statických modelů predikce finanční tísně navrhovaný model integruje panelová data prostřednictvím časového posunu, aby zachytil dynamiku úvěrového rizika. Pro validaci predikčního modelu byla shromážděna data o čínských veřejně obchodovaných společnostech s ohledem na geografickou oblast, vlastnickou strukturu a velikost podniku. Ukazujeme, že vážením predikcí z různých klasifikačních modelů lze minimalizovat celkové náklady chybné klasifikace. Studie identifikuje zisk na akcii (earnings per share) a index cen produkce jako nejvýznamnější ukazatele ovlivňující finanční výkonnost čínských veřejně obchodovaných společností. Celkově výsledky naznačují, že navrhovaný model disponuje predikční schopností až na pětiletý horizont, přičemž přesnost dosahuje 98,7 % pro jednoroční predikci a 96,8 % pro pětiletý predikční horizont. Navíc navrhovaný model překonává stávající modely predikce finanční tísně v celkové predikční výkonnosti tím, že správně identifikuje podniky v selhání a zároveň se vyhýbá chybné klasifikaci finančně zdravých podniků. dynamika; model souboru; finanční potíže; náklady na nesprávné posouzení; předpověď
eng An ensemble model minimising misjudgment cost: Empirical evidence from Chinese listed companies Predicting corporate financial distress is critical for bank lending and corporate bond investment decisions. Incorrect identification of default status can mislead lenders and investors, leading to substantial losses. This paper proposes an ensemble model that minimises the overall cost of misjudgment by considering the imbalanced ratio weighted loss of the unbalanced ratio of Type I and Type II errors in the objective function. Unlike existing static financial distress prediction models, the proposed model integrates panel data by using time-shifting to account for credit risk dynamics. To validate the prediction model, data were collected for Chinese listed companies, considering geographic area, ownership structure and firm size. We demonstrate that by weighting predictions from different classification models, the overall misjudgment cost can be minimised. This study identifies earnings per share and the product price index as the most relevant indicators affecting the financial performance of Chinese-listed companies. Overall, the results indicate that the proposed model has a predictive capacity of up to 5 years, with 98.7% for 1-year forecasting horizons and 96.8% for 5-year-ahead forecasting horizons. Furthermore, the proposed model outperforms existing distress prediction models in overall prediction performance by correctly identifying defaulting companies while avoiding misjudging good companies. dynamics; ensemble model; financial distress; misjudgment cost; prediction

Map

en.mapy.cz

Services

Popular Links

© 2023 University of Pardubice, Studentská 95, 532 10 Pardubice 2
Phone: +420 466 036 111, 466 036 112, 466 036 113
Webmaster, RSS
Data box ID: f5vj9hu
Accessibility Statement
CC BY-NC-ND 4.0Creative CommonsAttributionNonCommercialNoDerivatives