亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于機(jī)器學(xué)習(xí)方法的公司財(cái)務(wù)管理風(fēng)險(xiǎn)模型構(gòu)建

        2021-10-16 03:09:56蘇元辰鐵凱揚(yáng)
        全國流通經(jīng)濟(jì) 2021年21期
        關(guān)鍵詞:重要性財(cái)務(wù)管理特征

        蘇元辰 鐵凱揚(yáng)

        (新疆大學(xué)經(jīng)濟(jì)與管理學(xué)院,新疆 烏魯木齊 830000)

        展望2021年,是中國“十四五”規(guī)劃的開局之年,中國提出立足于國內(nèi)國外雙循環(huán),建立擴(kuò)大內(nèi)需的有效制度,全面促進(jìn)消費(fèi),拓展投資空間。對(duì)于上市公司而言,一方面,不能過于關(guān)注公司的高收益高價(jià)值而忽視了其背后的財(cái)務(wù)管理高風(fēng)險(xiǎn);另一方面,如何客觀評(píng)估和預(yù)測(cè)上市公司的財(cái)務(wù)管理風(fēng)險(xiǎn),對(duì)于投資者及時(shí)調(diào)整投資決策,監(jiān)管者準(zhǔn)確判斷公司狀況,決策者有效規(guī)避財(cái)務(wù)管理風(fēng)險(xiǎn)都具有重要意義。

        從財(cái)務(wù)管理風(fēng)險(xiǎn)指標(biāo)的構(gòu)建上看,學(xué)者張玲[1]等多采用傳統(tǒng)財(cái)務(wù)指標(biāo)進(jìn)行預(yù)測(cè),但由于預(yù)測(cè)目標(biāo)的不同,傳統(tǒng)財(cái)務(wù)比率往往很難全面反映問題的本質(zhì)屬性。從財(cái)務(wù)管理風(fēng)險(xiǎn)的評(píng)估方法來看,國內(nèi)外學(xué)者最早集中于運(yùn)用統(tǒng)計(jì)方法進(jìn)行預(yù)警驗(yàn)證,但是此類模型往往需要較強(qiáng)的假設(shè)前提,有較強(qiáng)的局限性。后來學(xué)者開始嘗試運(yùn)用人工智能技術(shù)進(jìn)行預(yù)警驗(yàn)證,雖然其假設(shè)約束力度不強(qiáng),但是穩(wěn)定性較差,模型的解釋能力有所不足。

        基于此,本文引入非財(cái)務(wù)指標(biāo)對(duì)傳統(tǒng)企業(yè)財(cái)務(wù)管理風(fēng)險(xiǎn)預(yù)警指標(biāo)體系進(jìn)行擴(kuò)充,基于多種機(jī)器學(xué)習(xí)模型進(jìn)行篩選,結(jié)合WOE-IV信息量進(jìn)行佐證,探究新體系下財(cái)務(wù)管理風(fēng)險(xiǎn)預(yù)測(cè)的準(zhǔn)確性,平穩(wěn)性和可解釋性。具體地,首先同時(shí)運(yùn)用多種機(jī)器學(xué)習(xí)模型進(jìn)行擇優(yōu)預(yù)測(cè),擇優(yōu)手段為交叉驗(yàn)證。然后在確保所選用的模型具有高準(zhǔn)確率和穩(wěn)定性的基礎(chǔ)之上,根據(jù)相對(duì)應(yīng)的機(jī)器學(xué)習(xí)解釋性機(jī)制對(duì)新體系下財(cái)務(wù)管理風(fēng)險(xiǎn)進(jìn)行重要特征篩選,最后為了保證重要特征影響程度的合理性,本文使用WOE-IV信息量進(jìn)行合理性佐證,發(fā)現(xiàn)可信度較高。

        一、上市公司財(cái)務(wù)管理風(fēng)險(xiǎn)評(píng)估指標(biāo)體系構(gòu)建及預(yù)警評(píng)估流程

        1.指標(biāo)選取

        本文在崔建新[2]、閔劍[3]等學(xué)者的研究基礎(chǔ)上結(jié)合當(dāng)前社會(huì)現(xiàn)狀,從財(cái)務(wù)指標(biāo)中選擇了14個(gè)三級(jí)指標(biāo)對(duì)企業(yè)財(cái)務(wù)管理風(fēng)險(xiǎn)進(jìn)行了篩選預(yù)測(cè)。鑒于單一的財(cái)務(wù)指標(biāo)不能夠很好地反映問題的本質(zhì),通過整合鄧小軍[4]等學(xué)者的研究,又在非財(cái)務(wù)指標(biāo)中篩選了3個(gè)三級(jí)指標(biāo)對(duì)企業(yè)財(cái)務(wù)管理風(fēng)險(xiǎn)進(jìn)行預(yù)測(cè)。如表1所示。

        表1 公司財(cái)務(wù)管理風(fēng)險(xiǎn)評(píng)估指標(biāo)體系

        2.財(cái)務(wù)管理風(fēng)險(xiǎn)預(yù)警建模流程

        首先選取上市公司預(yù)警評(píng)估解釋特征矩陣X與target矩陣Y,進(jìn)行數(shù)據(jù)篩選以及變量分箱等預(yù)處理,通過邏輯回歸、決策樹、支持向量等方法,選取準(zhǔn)確率、F1得分、AUC、召回率、精準(zhǔn)率作為評(píng)價(jià)指標(biāo),在十次十折交叉實(shí)驗(yàn)后對(duì)所得結(jié)果的平穩(wěn)性和準(zhǔn)確性進(jìn)行判定,同時(shí)與WOE-IV模型擇優(yōu)結(jié)果相佐證,如果整體一致,則輸出最優(yōu)模型以及特征重要性;反之,則重新選擇方法。財(cái)務(wù)管理風(fēng)險(xiǎn)預(yù)警建模流程如圖1所示。

        圖1 財(cái)務(wù)管理風(fēng)險(xiǎn)預(yù)警建模流程

        二、實(shí)證結(jié)果

        1.數(shù)據(jù)來源及數(shù)據(jù)預(yù)處理

        本文選取A股市場(chǎng)中公布數(shù)據(jù)齊全的525家企業(yè)作為初始樣本進(jìn)行篩選:

        (1)有兩項(xiàng)及以上的空缺數(shù)據(jù)的公司剔除;(2)將財(cái)務(wù)信息波動(dòng)較大的銀行和證券公司剔除;(3)ST與非ST企業(yè)數(shù)量相差比例小于10%。

        根據(jù)以上條件,最終選擇455家公司作為最終樣本,并對(duì)其中有缺失值的數(shù)據(jù)特征進(jìn)行考量,根據(jù)不同的特征和類別采取聚類填充和均值填充。

        2.多種機(jī)器學(xué)習(xí)算法預(yù)測(cè)結(jié)果對(duì)比

        為了將企業(yè)財(cái)務(wù)管理風(fēng)險(xiǎn)進(jìn)行準(zhǔn)確的對(duì)比,本文采用決策樹、支持向量機(jī)、邏輯回歸、隨機(jī)森林等多種機(jī)器學(xué)習(xí)算法對(duì)模型進(jìn)行了十折交叉實(shí)驗(yàn)。在綜合考慮實(shí)驗(yàn)各項(xiàng)指標(biāo)后,判定XGBoost模型的預(yù)測(cè)效果最好。各類機(jī)器學(xué)習(xí)算法預(yù)測(cè)結(jié)果對(duì)比如表2所示。

        表2 各類機(jī)器學(xué)習(xí)算法預(yù)測(cè)結(jié)果對(duì)比

        3. XGBoost算法的穩(wěn)健性檢驗(yàn)

        基于企業(yè)各方利益者對(duì)評(píng)估結(jié)果的期望,使用AUC作為模型優(yōu)劣評(píng)估標(biāo)準(zhǔn),另外不對(duì)超參數(shù)進(jìn)行優(yōu)化,均使用默認(rèn)參數(shù)。通過進(jìn)行10次10折交叉實(shí)驗(yàn)以驗(yàn)證篩選出最優(yōu)模型XBGoost的預(yù)測(cè)準(zhǔn)確率和穩(wěn)定性,得到結(jié)果如表3所示。從結(jié)果可以看出:使用XGBoost集成學(xué)習(xí)對(duì)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警評(píng)估具有高準(zhǔn)確率和穩(wěn)健性。可以用來對(duì)企業(yè)財(cái)務(wù)管理風(fēng)險(xiǎn)進(jìn)行預(yù)警評(píng)估。

        表3 十次十折交叉驗(yàn)證

        4.評(píng)估特征影響程度分析

        (1)基于XGBoost特征重要性排序

        根據(jù)將特征重要性使用特征在作為劃分屬性時(shí)loss平均的降低量的原則,得到特征得分以及重要性排序如圖2所示。

        圖2 XGBoost模型各解釋變量重要程度對(duì)比

        (2)基于WOE-IV信息量的特征重要性排序

        將本文預(yù)處理后數(shù)據(jù)中的17個(gè)特征指標(biāo)通過WOE變換對(duì)信息進(jìn)行處理,將其對(duì)標(biāo)到同一尺度上,然后將WOE根據(jù)區(qū)分度的好壞進(jìn)行加權(quán):

        最終得到IV值較好的六個(gè)特征指標(biāo)如表4所示:將基于WOE-IV信息量得到的特征重要性程度與XGBoost模型輸出的特征重要性程度對(duì)比發(fā)現(xiàn):兩者輸出的特征重要性程度排序基本一致,佐證了XGBoost模型得到的特征重要性結(jié)果的合理性。

        表4 WOE-IV信息量特征排序

        三、結(jié)論與建議

        根據(jù)上述結(jié)果,本文得出結(jié)論:每股收益、審計(jì)意見、資產(chǎn)增長率、主體信用評(píng)級(jí)、每股經(jīng)營活動(dòng)現(xiàn)金流量凈額對(duì)企業(yè)財(cái)務(wù)管理風(fēng)險(xiǎn)具有顯著影響,并且可以通過XBGoost模型對(duì)企業(yè)是否有財(cái)務(wù)管理風(fēng)險(xiǎn)給出較好預(yù)測(cè)效果。

        此外上市公司的財(cái)務(wù)管理風(fēng)險(xiǎn)防控,不僅需要各公司發(fā)揮主體作用,更需要政府、金融機(jī)構(gòu)的支持和監(jiān)督。具體來看:(1)股權(quán)的過度集中會(huì)增大企業(yè)的財(cái)務(wù)管理風(fēng)險(xiǎn),在股權(quán)高度集中的體系下,控股股東的存在會(huì)影響到獨(dú)立董事、監(jiān)事會(huì)和中介機(jī)構(gòu)的獨(dú)立性。因此這就要求各公司合理控制股權(quán)分布,避免過高的股權(quán)集中給公司帶來過高的財(cái)務(wù)管理風(fēng)險(xiǎn)。(2)專業(yè)機(jī)構(gòu)出具的建議對(duì)投資者理性投資、規(guī)避風(fēng)險(xiǎn)往往具有較高的參考性。同時(shí)我國應(yīng)該繼續(xù)加強(qiáng)和規(guī)范各金融機(jī)構(gòu)的操作規(guī)范性和信息披露的準(zhǔn)確性,繼續(xù)強(qiáng)化各金融機(jī)構(gòu)的獨(dú)立性,努力為廣大投資者塑造一個(gè)良好穩(wěn)定的投資環(huán)境。

        猜你喜歡
        重要性財(cái)務(wù)管理特征
        “0”的重要性
        論七分飽之重要性
        財(cái)務(wù)管理
        幼兒教育中閱讀的重要性
        甘肅教育(2020年21期)2020-04-13 08:09:24
        如何表達(dá)“特征”
        不忠誠的四個(gè)特征
        強(qiáng)化醫(yī)院財(cái)務(wù)管理是醫(yī)改的重要環(huán)節(jié)
        抓住特征巧觀察
        讀《邊疆的重要性》有感
        論新形勢(shì)下酒店財(cái)務(wù)管理
        青青草免费视频一区二区| 青青操国产在线| 日韩久久av电影| 国产一区二区亚洲一区| 最新欧美精品一区二区三区| 中文字幕天天躁日日躁狠狠躁免费 | 亚洲av综合久久九九| 天天躁日日躁狠狠躁一区| 久久精品国产精品亚洲婷婷| 激情亚洲一区国产精品| 国产一区二区内射最近更新| 永久无码在线观看| 手机在线看片在线日韩av | 久久亚洲色一区二区三区| 成人免费毛片内射美女-百度| 综合久久久久6亚洲综合| 永久中文字幕av在线免费| 久久精品国产只有精品96| 国产精品久久久久久妇女6080| 日韩中文字幕网站| 亚洲色图偷拍自拍在线| 成人欧美日韩一区二区三区| 久久福利青草精品免费| 日韩有码中文字幕第一页| 成人影院视频在线免费观看| 人妻丰满熟妇av无码区不卡| 亚洲AV无码资源在线观看| 青青草视频在线观看视频免费 | 亚洲国产成人精品无码区二本| 亚洲制服中文字幕第一区| 91成人自拍视频网站| 中字乱码视频| 国产欧美亚洲精品a| 国产粉嫩高清| 午夜大片在线播放观看| 国产精品美女久久久久久| 精品国产免费久久久久久| 亚洲成人av在线播放不卡| 99久热在线精品视频观看| 国产乱子伦精品无码码专区| 国产成人色污在线观看|