集成机器学习模型在不平衡样本财务预警中的应用

摘要：

基于上交所主板市场A股企业的财务指标数据来预测企业的财务风险,样本数据包括1 227家正常上市企业和42家被财务预警的企业,数据严重不平衡,通过重采样技术解决了分类器在不平衡样本中失效的问题,运用Bagging思想的集成机器学习对预测模型进行提升与优化.正确挑选出有财务危机企业的概率最高达到92.86％,在此基础上,样本的整体准确率在经过模型的集成之后提高了 5.4％.集成模型提高了对上市企业的财务预警能力,能为企业的正常经营和投资者的安全投资提供一定的借鉴.

关键词：财务预警预测;集成机器学习;不平衡采样技术

所属期刊栏目：47

分类号：TN99;TP391

资助基金：国家自然科学基金18BGL224

在线出版日期：2021-08-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：34-38