基于机器学习方法的上市公司财务预警模型对比研究

• 作者: 李星辰 林国庆 王青龙
• 来源期刊: 商场现代化
• 关键词: 财务预警 机器学习 逻辑回归模型 支持向量机模型 决策树模型
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 财税研究
• 页码范围: 150-152
• 页数: 3页
• 字数: 1932字
• 语种: 中文

摘要

当前我国上市公司信息披露仍存在着许多不规范的现象,个别上市公司在面临财务危机时,粉饰其财务风险,进行财务造假.本文利用上市超过3年的A股共3002家上市公司的财务数据,通过对ST、*ST和10家2019年退市的公司样本分析,根据不同的时间窗口,构建了财务预警因子库,共96个因子.分别采用机器学习中的逻辑斯蒂回归、支持向量机、决策树模型对因子数据进行训练.将数据集分为训练集和测试集,用训练集训练模型,并将模型应用在测试集中进行预测.结果如下:(1)三种模型均有较好的预测能力,其准确率都在94％以上;(2)决策树模型的预测效果最佳,支持向量机模型次之,逻辑斯蒂回归模型的预测效果最差;(3)三种模型都存在将较多的财务预警公司预测为正常公司的情况.本文通过将三种模型进行对比分析,以寻找更加优质的财务预警模型,来更好地帮助企业识别财务风险.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王青龙		2	0	0.0	0.0
2	李星辰		2	0	0.0	0.0
3	林国庆		1	0	0.0	0.0