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。