国有企业并购完成率预测及其影响因素研究——基于数据挖掘和随机森林算法的分析

作     者：王言 

作者机构：华夏银行博士后科研工作站 清华大学五道口金融学院 

出 版 物：《上海金融》 (Shanghai Finance)

年 卷 期：2022年第5期

页      面：16-29页

学科分类：12[管理学] 1202[管理学-工商管理] 

基　　金：商业银行创新“专精特新”企业金融顾问服务研究 

主　　题：国有企业 并购完成率 影响因素 完成率预测 Logistic回归 随机森林分类 

摘      要：随着国有资本和社会资本交叉融合的国企改革不断深入，国企并购重组业务不断涌现，然而很多国企由于盲目而导致并购未能完成。本文探索融合多种影响因素数据，利用随机森林算法构建国企并购完成率预测模型。设计影响国企并购完成率评价体系，应用Python爬取网页和文本数据，运用Logistic回归分析影响并购完成率的相关因素，基于随机森林算法构建国企并购完成率预测模型，将结果与4种经典机器学习模型作对比实验以评价预测效果。结果表明：并购以现金结算、出让方为非上市公司、非重大资产收购更加有利于提高并购完成率；买方支付净资产比、买方支付净利润比、结算方式对于并购完成率的预测更加重要和有效；预测结果精确度为86%(F值)和87%(AUC值)。基于随机森林算法的预测结果在所有模型中表现最优，具有更强的鲁棒性和适用性。本研究丰富了人工智能算法在并购重组领域的运用，为早防范、早发现、早干预，从而使国企更有效地开展并购活动提供了实践帮助。