基于机器学习方法的预测效果分析：1998—2016年中国上市公司退市的证据

发布时间：2022-02-22 07:25

　　在过去的几十年里,中国作为世界第二大经济体,一直是学者和分析人士评估内部和外部金融冲击的焦点。企业财务困境便一直是重要关注点。因为在危机和灾难性事件之后,公司是此经济体中受影响较深的机构之一,它们也会因此不得不退出市场。本文比较了六种机器学习模式的性能,阐释1998-2016年期间中国沪深两市上市公司退市与否的二分类问题。本文样本包括2,863家公司,在分析中,它们被分成了训练、验证和测试三类数据集（50/25/25）,用于对各个模型进行有效性的评估。相应地,本文比较了决策树（DT）、提升方法、随机森林（RF）、支持向量机（SVM）、逻辑回归和人工神经网络（ANN）等模型。本文使用前向逐步筛选法对国泰安数据库（CSMAR）财务报表中的偿付能力、比率结构、收益能力分析、工业经济部门、经营能力、现金流和增长率等44个财务比率指标进行变量选择。最终,本文选择了适合模型的24个财务指标,从而减少预测误差,并使得结果更为可靠。实证结果表明,随机森林和提升方法能提供最佳的预测性能,这两个方法的分类误差最小,并在AUC（ROC曲线）和召回率-准确率曲线的评估测量中表现出色。此外,本文应用了优于其他模... 

【文章来源】：厦门大学福建省211工程院校985工程院校教育部直属院校

【文章页数】：59 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
CHAPTER 1 INTRODUCTION
    1.1 INTRODUCTION
    1.2 RESEARCH OBJECTIVES
CHAPTER 2 LITERATURE REVIEW
    2.1 REVIEW CORPORATE FINANCIAL DISTRESS
    2.2 MEASUREMENTS OF CORPORATE FINANCIAL DISTRESS
    2.3 HISTORY OF RESEARCH ON CORPORATE FINANCIAL DISTRESS
    2.4 RESEARCH ON CORPORATE FINANCIAL DISTRESS IN CHINA
CHAPTER 3 DATA
    3.1 DATA SOURCE
    3.2 VARIABLE ANALYSIS
        3.2.1 Financial indicators
        3.2.2 Variable selection
CHAPTER 4 EMPIRICAL ANALYSIS
    4.1. THEORETICAL BACKGROUND
    4.2 EMPIRICAL MODELS
        4.2.1 Decision tree model
        4.2.2 Boosting
        4.2.3 Random Forests
        4.2.4 Logistic model
        4.2.5 SVM
        4.2.6 Artificial Neural Network
    4.3 EMPIRICAL RESULTS
CHAPTER 5 CONCLUSION
REFERENCES
APPENDIX
ACKNOWLEDGMENT



本文编号：3638975