系统性风险与企业财务危机预警——基于前沿机器学习的新视角

作     者：杨子晖 张平淼 林师涵 YANG Zihui;ZHANG Pingmiao;LIN Shihan

作者机构：中山大学岭南学院广东广州510275 中山大学高级金融研究院广东广州510275 

出 版 物：《金融研究》 (Journal of Financial Research)

年 卷 期：2022年第8期

页      面：152-170页

核心收录：

学科分类：12[管理学] 1202[管理学-工商管理] 

基　　金：2021年度国家社会科学基金重大项目“‘双循环’新格局下我国金融风险演化及防控措施研究”(项目批准号:21&ZD114)的资助。 

主　　题：财务危机 系统性风险 机器学习 部分依赖图 风险防范 

摘      要：本文采用Logit回归模型以及随机森林模型、梯度提升模型等前沿机器学习方法,深入考察系统性风险指标对我国企业财务危机的预测能力。结果表明,系统性风险对中下游企业的财务危机具有显著的预测能力,而基于因子分析构建的系统性风险指标,结合随机森林模型可取得更好的预测效果。本文进一步区分财务危机的不同成因并发现,基于随机森林模型和Logit回归模型的预测框架能够对我国大多数财务危机事件进行有效预警。在此基础上,本文对我国上市企业监管提出相关建议,从而为完善金融风险处置机制提供一定参考。