基于DeepSurv和IML的上市公司财务危机预警研究

发布时间：2024-05-12 07:03

　　本文基于2019～2022年首次被ST的公司及其配对样本建立DeepSurv模型对上市公司财务危机预警展开研究，相较于主流的SVM和BP神经网络模型表现更优。为提高机器学习模型“黑箱”操作的可解释性，使用可解释机器学习从整体和局部两方面解读DeepSurv模型。研究表明：（1）公司应重点关注企业价值、负债、非财务表现和流动资产四个方面；（2）Gscore与有形资产负债率、ROIC与权益乘数、综合杠杆与Gscore、权益乘数与有形资产负债率之间存在交互效应。

【文章页数】：14 页

【部分图文】：

图1单隐层神经网络

输入层x表示公司数据，w表示输入层与隐藏层的连接权重，a表示隐藏层与输出层的连接权重，H表示隐藏层结点个数，隐藏层结点的输入为w"hxi，输出为f(w"hxi)，其中f(z)=1/[1+exp(-z)]表示Logistic挤压函数。模型输出结果如式（5),θ表示由w和a构成....

图2混淆矩阵图

模型结果可以用混淆矩阵表示。如图2所示，召回率(Recall)表示所有真阳性中被正确分类样本所占比例，代表正样本识别能力；精确率(Precision)表示被预测为阳性的样本中真阳性所占比例，代表负样本识别能力；准确率(Accuracy)表示所有正确分类样本占总样本的比例，代表总体....

图3模型预测结果

相较于SVM,DeepSurv对全体公司的识别能力提高了29.16%，对财务危机公司的识别能力提高了15.38%，对正常公司的识别能力提高了35.75%，稳健性提高了26.47%；相较于BP神经网络，DeepSurv对全体公司的识别能力提高了14.81%，对财务危机公司的识别能力....

图4Shapleyvalue蜂群图

第一，过高的企业价值倍数说明公司股票价值被严重高估，出现泡沫，导致公司提前透支了未来收益，一旦市场发生不利变化可能会崩盘，从而不利于公司生存；第二，高企业价值倍数可能会导致管理层盲目乐观，懈怠内部管理和外部竞争；第三，高企业价值倍数会提高市场对公司的盈利期望，达标更加困难，如果低....

本文编号：3971026