检索结果-南通市图书馆

作者：周廷森贵州大学

学位级别：硕士

企业是市场经济中的重要组成部分,其关系到经济稳定、国家税收、技术创新和金融发展等国计民生的方方面面,是推动经济持续健康发展的重要力量。企业间越发激烈的竞争、技术的快速迭代、商业模式的创新以及行业周期变化等因素,使企业可... 详细信息

企业是市场经济中的重要组成部分,其关系到经济稳定、国家税收、技术创新和金融发展等国计民生的方方面面,是推动经济持续健康发展的重要力量。企业间越发激烈的竞争、技术的快速迭代、商业模式的创新以及行业周期变化等因素,使企业可持续发展面临诸多挑战,同时也对企业的财务管理提出更高的要求。近年来,时有企业因为现金流,债务等问题陷入财务危机,亦或暴露出许多风险,对社会造成诸多不利影响。企业财务危机预警管理仍然是经营中不可忽视的重要内容。改进财务危机预警模型可以帮助企业识别潜在财务风险和建立更有效的财务风险管理机制,从而降低企业陷入财务危机的概率。为优化财务预警研究中对企业的分类方法以及验证文中构建的Stacking集成机器学习模型能否提高对危机企业的识别能力,本文首先从A股市场中选择2019-2020年362家被ST和未被ST的企业组成研究样本,选取T-2年的25个财务及文本指标构成特征集。其次基于盈利能力和偿债能力两个维度,采用KMeans方法完成样本聚类后得到财务健康类、危机类和关注类组成的样本集。最后根据Stacking集成学习思想,选取随机森林模型,极限梯度提升模型,人工神经网络模型三种具有代表性的机器学习模型为基学习器,选用逻辑回归作为元学习器,构造集成机器学习模型。最后通过AUC值,F值评估模型对多类别企业的分类预测效能。经过实证分析后得出以下结论:1、基于盈利能力和偿债能力的企业多分类中,财务关注类的模型预测准确度较低,与该类别和其他两类的边界样本点有关;2、经过特征重要性分析发现,对财务危机预测效果影响最显著的特征是经营净现金流量流动负债比,其次是净资产收益率和总资产净利润率,此外加入管理层讨论与分析语调特征可以提升预警模型的预测精度;3、在多类别的分类预测中,Stacking集成机器学习模型较单一机器学习模型表现出更优的预测效果。

关键词：财务危机预警样本多分类集成学习

来源：