基于机器学习的上市公司财务危机预测模型研究

• 作者: 王帅 李卫东 张学海 王社伟 李启瑞
• 来源期刊: 信息与电脑
• 关键词: 财务危机预测 机器学习 预测性能
• 年，卷（期）: 2021,（13）
• 所属期刊栏目: 算法语言
• 页码范围: 49-52
• 页数: 4页
• 分类号: F275
• 语种: 中文
• DOI: 10.3969/j.issn.1003-9767.2021.13.015

摘要

本文基于公司财务危机预测的6个常用机器学习模型,即逻辑回归模型、K最邻近模型、支持向量机(Support Vector Machine,SVM)模型、朴素贝叶斯模型、决策树模型以及随机森林模型,从东方财富数据中心爬取近两年上市公司财务数据以及股权信息.通过数据预处理,PCA降维,模型参数优化进行多模型性能对比分析,结果显示支持向量机模型具有较高的预测精度,其准确率达到了88％,接受者操作特性曲线(Receiver Operating Characteristic Curve,ROC)曲线面积达到0.89,支持向量机模型对财务危机预测有较好识别能力,这说明支持向量机模型在财务危机预测中具有不错的应用前景和实用价值.