基于机器学习的房地产公司财务风险预警研究——以A公司为例

作     者：崔笛 

作者单位：湖北民族大学 

学位级别：硕士

导师姓名：吕宗耀

授予年度：2023年

学科分类：12[管理学] 1204[管理学-公共管理] 08[工学] 081104[工学-模式识别与智能系统] 120405[管理学-土地资源管理] 0811[工学-控制科学与工程] 

主      题：财务风险预警 房地产公司 机器学习 

摘      要：2021年国家发改委领导强调房地产的支柱性地位,该行业与很多行业相辅相成,因而我国经济对房地产市场的依赖性较高。然而,近几年面对市场低迷、政策调控等多重压力,房地产行业发展持续下行,公司财务风险可能进一步加剧,需要构建有效的财务风险预警模型,提高公司的财务风险预见能力。因此,本研究的目的是基于机器学习方法构建房地产公司的财务风险预警模型,为预知财务状况以加强风险防范提供参考。本研究主要是在定性分析A公司财务现状的基础之上,结合模型的预警结果,对A公司进行案例研究,具体研究过程和结果如下:首先从财务活动和财务效率两方面,定性分析A公司财务现状,分析发现A公司存在现金流短缺、债务量大等财务风险点,有构建财务风险预警模型的必要性;其次,选取120家房地产上市公司作为样本,并梳理有关预警指标的文献后,选取偿债能力、营运能力、盈利能力、成长能力、现金流方面的财务指标以及公司治理、内部控制、审计意见类型方面的非财务指标构建预警指标体系;再次,对预警指标进行预处理,筛选出26个预警指标;然后,选用机器学习中可解释性较强的逻辑回归方法为A公司构建预警模型。建模结果表明,模型具有一定的预测价值,并且结合A公司的实际情况发现,模型对A公司具有一定的适用性;最后,利用该模型预测A公司2022年和2023年的财务状况,预警结果显示,2022年A公司的财务风险水平较高,但并未陷入财务危机,而2023年A公司的财务风险预警值超过阈值,说明A公司有可能陷入财务危机;此外,结合预警结果和公司财务现状,挖掘A公司的风险成因并提出风险防范建议。本研究拓展了财务风险预警模型在具体公司进行风险预警的案例研究,也弥补了较多学者仅选用财务指标,为房地产公司构建财务风险预警模型的不足,具有一定的现实和理论意义。