机器学习可以有效预警股权质押融资风险吗？——人工介入的必要性和协同效益

作     者：焦有章 

作者机构：东兴证券风险管理部 

出 版 物：《金融市场研究》 (Financial Market Research)

年 卷 期：2024年第9期

页      面：85-93页

学科分类：12[管理学] 02[经济学] 0202[经济学-应用经济学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 020204[经济学-金融学（含∶保险学）] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主　　题：股权质押 股票质押 风险预警 机器学习 XGBoost 

摘      要：上市公司股权质押是一种常见的融资方式，其风险较难控制，许多金融机构深受其害，然而相关风险预警的研究文献很少。本文以2017—2022年上市公司控股股东司法冻结事件作为违约样本，运用判别分析、Logistic回归、BP神经网络、卷积神经网络、决策树、随机森林、AdaBoost、XGBoost、LightGBM、CatBoost等方法构建风险预警模型，发现集成学习方法在风险预警方面具有明显优势，其中XGBoost正确率最高，达到91%。尽管机器学习取得了较好的风险预警效果，但是仍存在局限性，在业务实践中还需要与人工介入相结合，金融机构才可以实现良好的经济效益。