基于机器学习的上市公司财务危机预测模型研究

摘要：

本文基于公司财务危机预测的6个常用机器学习模型,即逻辑回归模型、K最邻近模型、支持向量机(Support Vector Machine,SVM)模型、朴素贝叶斯模型、决策树模型以及随机森林模型,从东方财富数据中心爬取近两年上市公司财务数据以及股权信息.通过数据预处理,PCA降维,模型参数优化进行多模型性能对比分析,结果显示支持向量机模型具有较高的预测精度,其准确率达到了88％,接受者操作特性曲线(Receiver Operating Characteristic Curve,ROC)曲线面积达到0.89,支持向量机模型对财务危机预测有较好识别能力,这说明支持向量机模型在财务危机预测中具有不错的应用前景和实用价值.

关键词：财务危机预测;机器学习;预测性能

所属期刊栏目：33

分类号：F275(企业经济)

资助基金：河南省科技开放合作项目;粮食信息处理与控制教育部重点实验室开放基金;河南省属高校基本科研业务费专项资金

在线出版日期：2021-09-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：49-52