基于LightGBM模型的电力上市公司财务风险预警研究

发布时间：2025-01-17 18:07

　　电力行业是我国经济结构的重要组成部分,作为我国的基础能源产业的重要一员,电力行业在我国经济中有着重要位置,电力公司如果发展受阻,遭受到风险损失,对我国的经济将产生严重的影响。因此,本文对电力上市公司的财务风险预警进行研究分析,通过对其财务风险预警模型的构建,帮助公司完善财务情况,加强风险控制管理,提高公司的运营能力,帮助投资者正确识别电力行业上市公司的财务风险,从而做出正确的投资决策。本文以电力行业上市公司为研究对象,分析其财务风险的预警模型。首先,基于文献与理论对财务风险预警进行分析。其次,分析电力上市公司的特点以及财务风险的现状。第三,从宏观以及微观出发,分析影响电力上市公司财务风险评价的因素,构建指标模型,并基于熵权TOPSIS评价电力上市公司的财务风险。第四,基于Light GBM模型构建电力上市公司的财务预警模型,并基于粒子群算法进行参数优化。第五,搜集电力上市公司的数据,验证基于Light GBM的财务风险预警模型的有效性,并与随机森林等常用模型进行对比分析。最后,总结研究结论,提出对策建议。本文的研究结论如下:(1)电力行业基于部分竞争和自然垄断、资金与技术密集、投资增长较...

【文章页数】：63 页

【学位级别】：硕士

【部分图文】：

图1-1研究思路本文的研究思路如上图1-1所示：首先，对本文研究的基础理论介绍及国内外文献进行综述

基于LightGBM模型的电力上市公司财务风险预警研究8图1-1研究思路本文的研究思路如上图1-1所示：首先，对本文研究的基础理论介绍及国内外文献进行综述。其次，对上市电力公司的财务风险进行宏观和微观的影响因素进行分析，从而构建出财务风险预警指标体系。第三，采用LightGBM对....

图2-1电力上市公司财务风险预测ROC曲线

2概念界定及理论基础17图2-1电力上市公司财务风险预测ROC曲线在ROC曲线中，当曲线下方面的面积越大时，说明模型对公司财务风险的发生预测越准确。ROC曲线下方的面积被称为AUC值，采用AUC值可以定量的分析模型的预测效果。一般而言，AUC值大于0.5时，才说明模型至少比随机预....

图4-1粒子群算法优化LightGBM的流程

4基于LightGBM的电力上市公司财务风险预警模型设计31图4-1粒子群算法优化LightGBM的流程如图4-1所示，首先，粒子群算法需要初始化各类粒子的速度以及位置。本文采用粒子的数量为100，迭代次数为300，随机初始化粒子的速度以及位置。其次，在每组粒子群代表的参数下，使....

图5-1基于粒子群优化的LightGBM模型ROC曲线

基于LightGBM模型的电力上市公司财务风险预警研究36表5-5粒子群优化的LightGBM测试样本预测结果样本公司的预测财务风险等级样本公司的实际财务风险等级普通风险高风险普通风险572(TP)28(FP)高风险4(FN)56(TN)如表5-5所示，采用粒子群优化的Light....

本文编号：4028362