基于機器學習方法的上市公司財務預警模型對比研究

作者：李星辰,王青龍,林國慶

摘要：當前我國上市公司信息披露仍存在著許多不規范的現象,個別上市公司在面臨財務危機時,粉飾其財務風險,進行財務造假.本文利用上市超過3年的A股共3002家上市公司的財務數據,通過對ST、*ST和10家2019年退市的公司樣本分析,根據不同的時間窗口,構建了財務預警因子庫,共96個因子.分別采用機器學習中的邏輯斯蒂回歸、支持向量機、決策樹模型對因子數據進行訓練.將數據集分為訓練集和測試集,用訓練集訓練模型,并將模型應用在測試集中進行預測.結果如下:(1)三種模型均有較好的預測能力,其準確率都在94%以上;(2)決策樹模型的預測效果最佳,支持向量機模型次之,邏輯斯蒂回歸模型的預測效果最差;(3)三種模型都存在將較多的財務預警公司預測為正常公司的情況.本文通過將三種模型進行對比分析,以尋找更加優質的財務預警模型,來更好地幫助企業識別財務風險.

發文機構：天津科技大學

關鍵詞：財務預警機器學習邏輯回歸模型支持向量機模型決策樹模型

分類號： F27[經濟管理—企業管理][經濟管理—國民經濟]