摘 要：大數(shù)據(jù)環(huán)境下，應(yīng)用機器學(xué)習(xí)數(shù)據(jù)挖掘分析技術(shù)對波蘭破產(chǎn)及未破產(chǎn)公司的財務(wù)數(shù)據(jù)進行建模訓(xùn)練和測試驗證，其中包括多層感知器中的SMOTE、SMOTE-Borderline1和BMS不平衡算法。橫向?qū)Ρ劝l(fā)現(xiàn)SMOTE、SMOTE-Borderline1、BMS算法有效提升了F1-Score，證明了多層感知器算法在公司破產(chǎn)評估領(lǐng)域內(nèi)處理非平衡類別數(shù)據(jù)手段的有效性?？v向?qū)Ρ缺砻髟诓煌念A(yù)測時間跨度上，MLP模型和公司財務(wù)數(shù)據(jù)的分類器模型效果具有顯著差異。最后，使用卡方檢驗篩選出公司短期負債、資金結(jié)構(gòu)和經(jīng)營利潤等較為重要的財務(wù)指標。

關(guān)鍵詞： 機器學(xué)習(xí)；多層感知器算法；破產(chǎn)評估模型；MLP模型

中圖分類號：F271；TP181" 文獻標識碼： A""" 文章編號：1003-7217（2025）02-0043-08

一、引 言

企業(yè)破產(chǎn)評估模型能夠幫助企業(yè)和金融機構(gòu)提前識別潛在的破產(chǎn)風(fēng)險，從而采取相應(yīng)的風(fēng)險管理措施，避免或減輕破產(chǎn)帶來的損失，這對于維護金融市場的穩(wěn)定和健康發(fā)展至關(guān)重要。2019年7月，國家發(fā)改委等部門印發(fā)了《加快完善市場主體退出制度改革方案》，旨在暢通市場主體退出渠道，降低市場主體退出成本，激發(fā)市場主體競爭活力，完善優(yōu)勝劣汰的市場機制，推動經(jīng)濟高質(zhì)量發(fā)展。2021年2月，國務(wù)院部署企業(yè)退出政策強調(diào)完善中小微企業(yè)簡易注銷制度，保障破產(chǎn)程序依法規(guī)范推進。2023年5月，世界銀行發(fā)布的Business Ready評價指標，添加了對“破產(chǎn)程序啟動前”程序的考察和設(shè)置，鼓勵企業(yè)如若出現(xiàn)財務(wù)困難應(yīng)該盡早尋求幫助以獲得生存機會。投融資活動開展的必要條件是資本對企業(yè)經(jīng)營狀況的良好評估，而公司經(jīng)營狀況則受到來自內(nèi)外部多種因素的影響，如政策、市場、企業(yè)戰(zhàn)略、高管因素等。為了加大布局、擴張企業(yè)規(guī)模，企業(yè)在資本市場進行的投融資活動也日益頻繁。在企業(yè)經(jīng)營過程中，任何一項不當?shù)牟僮鞫加锌赡芙o公司的財務(wù)狀況、股價、市值、品牌帶來危機，從而影響投資者的利益，嚴重的甚至可能導(dǎo)致公司面臨破產(chǎn)危機。

隨著機器學(xué)習(xí)和深度學(xué)習(xí)等研究的興起，決策樹、集成學(xué)習(xí)、人工神經(jīng)網(wǎng)絡(luò)和支持向量機等先進技術(shù)在破產(chǎn)預(yù)測領(lǐng)域得到了長足發(fā)展，近些年的實證研究也發(fā)現(xiàn)其在破產(chǎn)預(yù)測中可以得出更優(yōu)的預(yù)測結(jié)果。遺憾的是，在實際預(yù)測的樣本中都面臨著破產(chǎn)企業(yè)數(shù)量遠小于未破產(chǎn)企業(yè)數(shù)量的問題，從而導(dǎo)致機器學(xué)習(xí)的預(yù)測性能下降。樣本數(shù)據(jù)的不均衡會導(dǎo)致分類器在處理過程中無法捕捉到破產(chǎn)企業(yè)樣本的特征，從而產(chǎn)生預(yù)測誤差。后續(xù)的研究提出了如下解決思路：第一，將數(shù)據(jù)進行預(yù)處理，通過重復(fù)抽樣調(diào)整破產(chǎn)企業(yè)數(shù)量與未破產(chǎn)企業(yè)數(shù)量，使樣本達到平衡；第二，利用決策樹、神經(jīng)網(wǎng)絡(luò)和集成學(xué)習(xí)算法等對分類器進行增強。Shen等學(xué)者使用SMOTE抽樣，通過對比支持向量機、決策樹等多種集成分類器，發(fā)現(xiàn)隨機森林的分類效果較優(yōu)。此外，Galar等通過劃分四類集成學(xué)習(xí)算法并使用類不平衡問題的處理手段，證明了使用集成學(xué)習(xí)算法和聯(lián)合預(yù)處理技術(shù)可以得到較好的預(yù)測效果。目前已有學(xué)者將多層感知器算法用于信息安全、工業(yè)故障診斷等多個研究領(lǐng)域，而基于SMOTE、SMOTE-Borderline1、BMS不平衡算法的公司破產(chǎn)預(yù)測領(lǐng)域的研究還較少。

本文基于UCI大學(xué)Machine Learning Repository（機器學(xué)習(xí)數(shù)據(jù)集庫）數(shù)據(jù)，使用無處理、SMOTE算法、SMOTE-Borderline1算法和基于過采樣與欠采樣的BMS算法，建立非平衡大數(shù)據(jù)的公司破產(chǎn)評估模型，以期為企業(yè)破產(chǎn)預(yù)測領(lǐng)域提供積極案例。

二、文獻回顧

隨著我國經(jīng)濟實力的快速增長、資本市場的深度發(fā)展及國家政策對創(chuàng)新創(chuàng)業(yè)的大力支持，我國各類型企業(yè)得到了快速發(fā)展。對于現(xiàn)代企業(yè)而言，風(fēng)險評估與管理是一項指導(dǎo)企業(yè)健康發(fā)展的必要措施。對于以銀行為代表的金融機構(gòu)和政府監(jiān)管部門而言，根據(jù)企業(yè)的財務(wù)狀況建立適當?shù)娘L(fēng)險預(yù)測模型和破產(chǎn)監(jiān)測模型，有利于客觀評估企業(yè)風(fēng)險、做出適當反應(yīng)，規(guī)避可能損失。企業(yè)破產(chǎn)監(jiān)測模型的研究對于資本市場的健康發(fā)展具有十分重要的現(xiàn)實意義。由于各類公司經(jīng)營狀況迥異、經(jīng)營影響因素紛繁復(fù)雜、財務(wù)科目指標類目繁多，而過去的技術(shù)水平無法高效妥善處理大規(guī)模數(shù)據(jù)量，因此傳統(tǒng)的評估方法主要依賴專家經(jīng)驗、簡單的同行業(yè)對比等手段。在當今大數(shù)據(jù)時代背景下，數(shù)據(jù)量呈幾何倍數(shù)增長，企業(yè)的風(fēng)險評估標準變更頻繁，評估指標日益豐富，傳統(tǒng)方式的評估成本不斷提升，評估準確性受到了海量數(shù)據(jù)清洗和處理的限制。從數(shù)據(jù)庫到大數(shù)據(jù)，數(shù)據(jù)規(guī)模、數(shù)據(jù)類型、模式數(shù)據(jù)關(guān)系、處理對象與處理工具都發(fā)生了革命性變化，與此同時，數(shù)據(jù)量的增加并不意味著數(shù)據(jù)價值的等比增加[1]。為了從大數(shù)據(jù)中更加快速、高效獲得準確有用的信息，需要更先進的數(shù)據(jù)分析處理技術(shù)對海量數(shù)據(jù)進行深度挖掘和運用。機器學(xué)習(xí)領(lǐng)域理論的不斷發(fā)展、應(yīng)用場景的不斷豐富，提供了使用算法算力處理企業(yè)財務(wù)評估問題的方法，為公司進行風(fēng)險評估與管理提供了新的思路。

以往的研究發(fā)現(xiàn)，對于公司財務(wù)風(fēng)險預(yù)警模型的研究主要包括評估指標的豐富和算法的優(yōu)化兩方面。國外研究較早采用統(tǒng)計方法對公司破產(chǎn)評估模型進行研究，西方學(xué)者提出的Z值企業(yè)財務(wù)狀況評估模型最早在西方國家得以應(yīng)用。20世紀80年代機器學(xué)習(xí)被初步應(yīng)用于風(fēng)險評估模型中，Ohlson利用邏輯斯蒂回歸對兩千余家破產(chǎn)和非破產(chǎn)公司進行了研究建模，篩選出公司資產(chǎn)額、資產(chǎn)負債比、盈利能力及融資能力四個重要特征指標[2]，對業(yè)界實踐應(yīng)用、理論研究都有著重要影響。同時基于邏輯斯蒂模型的評價指標也在不斷豐富：Casey等將現(xiàn)金流量加入模型[3]；Tirapat通過對1997年泰國經(jīng)濟危機中的破產(chǎn)公司進行研究，將宏觀經(jīng)濟因素引入企業(yè)評估的回歸模型中[4]；Odom等引入人工神經(jīng)網(wǎng)絡(luò)，以65家破產(chǎn)及等額的非破產(chǎn)企業(yè)為樣本進行了基于Z-score模型訓(xùn)練與預(yù)測[5]。Min等引入支持向量機模型，通過方法對比，證明了SVM核函數(shù)對非線性問題的處理優(yōu)勢使其在破產(chǎn)預(yù)警問題上具備有效性[6]。在證據(jù)理論中，基本概率分配（BPA）表示證據(jù)支持的程度?，F(xiàn)有的大多數(shù)研究都依靠主觀經(jīng)驗判斷來給出BPA的取值。Fang等學(xué)者使用粗糙集、似然函數(shù)和其他方法獲得BPA，但學(xué)術(shù)界尚未建立統(tǒng)一的BPA獲取方法[7]。Halteh 等基于101家伊斯蘭上市銀行組成的數(shù)據(jù)集，利用決策樹、隨機梯度增強和隨機森林（DS-RF）等方法，進行財務(wù)預(yù)警對比研究，以探尋最優(yōu)的解決算法[8]。Kim等提出使用AdaBoosted決策樹組合模型來探索影響財務(wù)困境的相關(guān)因素[9]。Zhu等結(jié)合人工智能算法，基于證據(jù)理論和隨機森林模型，構(gòu)建了包含盈利能力、資產(chǎn)質(zhì)量、債務(wù)風(fēng)險和經(jīng)營增長四個維度的隨機森林模型，結(jié)果發(fā)現(xiàn)DS-RF模型相比隨機森林算法和傳統(tǒng)模型具有更高的預(yù)警精度，有效提升了企業(yè)財務(wù)風(fēng)險預(yù)警的效率[10]。

國內(nèi)學(xué)者通過對企業(yè)頻繁出現(xiàn)業(yè)績爆雷現(xiàn)象進行思考，結(jié)合中國的獨特情境，逐漸將符合中國企業(yè)特征的因子引入財務(wù)風(fēng)險預(yù)警模型中。陳曉等根據(jù)中國上市及被退市的上市公司樣本，將負債/權(quán)益、應(yīng)收賬款周轉(zhuǎn)率、主營利潤/總資產(chǎn)及留存收益/總資產(chǎn)引入邏輯斯蒂回歸模型[11]；陳燕等引入股權(quán)與董事會結(jié)構(gòu)特征，建模評估高管與治理情況對公司財務(wù)狀況的影響[12]。此外，評估模型的算法種類也得到了極大的豐富。在此基礎(chǔ)上，李賀等提出PCA-SVM預(yù)警模型[13]。楊淑娥等以財務(wù)數(shù)據(jù)組合的面板數(shù)據(jù)為樣本特征，基于BP網(wǎng)絡(luò)進行上市公司財務(wù)風(fēng)險研究，發(fā)現(xiàn)該模型對時間跨度較大的財務(wù)風(fēng)險預(yù)測情景具有有效性[14]。隨著深度學(xué)習(xí)領(lǐng)域的深入發(fā)展、神經(jīng)網(wǎng)絡(luò)的可塑性及自由度的豐富性，劉飛虎等提出基于主成分分析和RBF神經(jīng)網(wǎng)絡(luò)的公司財務(wù)預(yù)警模型[15]。肖毅等使用集成文本挖掘和深度學(xué)習(xí)，基于TEI@I方法論的理論框架，使用卷積神經(jīng)網(wǎng)絡(luò)和長短期記憶網(wǎng)絡(luò)構(gòu)建企業(yè)財務(wù)風(fēng)險預(yù)警模型，能促進政府和投資者及時掌握企業(yè)經(jīng)營動態(tài)，并防范投資風(fēng)險[16]。王言等運用機器學(xué)習(xí)XGBoost算法構(gòu)建預(yù)警模型，選取和設(shè)計影響國有上市公司并購風(fēng)險指標評價體系，實證表明基于XGBoost算法的預(yù)測精確度為80%，具有更強的可靠性和適用性[17]。喬冰琴等采用人工神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)兩種方法對財務(wù)風(fēng)險預(yù)警模型進行預(yù)測，結(jié)果發(fā)現(xiàn)在常規(guī)模型中引入基于MDamp;A多文本特征可以提高模型的預(yù)測AUC值，加入融資約束、財務(wù)困境指數(shù)等指標，模型預(yù)測的AUC值提升更加顯著，并且卷積神經(jīng)網(wǎng)絡(luò)的預(yù)測更精確，誤報率和漏報率更平衡[18]。江乾坤等構(gòu)建Stacking集成學(xué)習(xí)模型，基于中國互聯(lián)網(wǎng)上市公司56起海外并購事件進行大數(shù)據(jù)財務(wù)風(fēng)險預(yù)警因子挖掘，研究發(fā)現(xiàn)Stacking集成學(xué)習(xí)模型較機器學(xué)習(xí)模型的預(yù)警效果更好，運營能力等傳統(tǒng)非財務(wù)指標仍是互聯(lián)網(wǎng)企業(yè)海外并購財務(wù)風(fēng)險大數(shù)據(jù)預(yù)警的首選指標，但創(chuàng)新型非財務(wù)指標如股吧評論也具有重要預(yù)警價值[19]。

近年來各種經(jīng)濟數(shù)據(jù)的來源不斷拓展、產(chǎn)生速度不斷加快與數(shù)據(jù)規(guī)模不斷擴大，社會加速邁入大數(shù)據(jù)時代。有學(xué)者針對此提出了大數(shù)據(jù)的3V特點，即大數(shù)據(jù)具有規(guī)模性（volume）、多樣性（variety）、高速性（velocity）[20]。大數(shù)據(jù)的繁榮加速了數(shù)據(jù)處理分析技術(shù)的改革，包括云計算、大數(shù)據(jù)處理工具Hadoop及功能擴展軟件等，同時也催生或加深了如數(shù)據(jù)廣泛的異構(gòu)性、數(shù)據(jù)質(zhì)量的不確定性等問題[21]，給傳統(tǒng)數(shù)據(jù)分析技術(shù)帶來了挑戰(zhàn)。而在大數(shù)據(jù)背景下的公司破產(chǎn)監(jiān)測的領(lǐng)域內(nèi)，較早時期開展的研究大都停留在傳統(tǒng)經(jīng)濟模式，數(shù)據(jù)表現(xiàn)為體量少、獲取難度大、數(shù)據(jù)不可信等特點。在大數(shù)據(jù)時代，不僅數(shù)據(jù)體量巨大，模式多樣，而且證明數(shù)據(jù)真實度的技術(shù)方法也層出不窮，對公司破產(chǎn)進行評估的模式和方法亟須創(chuàng)新，使之與大數(shù)據(jù)的特征和處理方法匹配。

企業(yè)的財務(wù)風(fēng)險等級無法全面系統(tǒng)地描述，并且企業(yè)財務(wù)狀況惡化是一個動態(tài)過程，傳統(tǒng)的財務(wù)風(fēng)險預(yù)警模型無法捕捉到這一過程中風(fēng)險因素的動態(tài)變化。在新一代信息技術(shù)環(huán)境下，結(jié)合人工智能算法的企業(yè)財務(wù)風(fēng)險預(yù)警模型不斷創(chuàng)新，提高了財務(wù)風(fēng)險預(yù)警的準確性。企業(yè)財務(wù)風(fēng)險的動態(tài)演化主要體現(xiàn)在盈利能力、資產(chǎn)質(zhì)量、債務(wù)風(fēng)險和經(jīng)營增長四個維度的財務(wù)狀況動態(tài)變化，是反映企業(yè)財務(wù)風(fēng)險特征的關(guān)鍵證據(jù)。為了系統(tǒng)整合上述四個維度的財務(wù)數(shù)據(jù)，全面刻畫金融風(fēng)險，亟須對企業(yè)財務(wù)風(fēng)險評估的理論和方法進行系統(tǒng)性改革。結(jié)合實踐可知，由于現(xiàn)實中破產(chǎn)公司（退市公司）的數(shù)量一般總是少于正常經(jīng)營公司的數(shù)量，因而該領(lǐng)域研究者一般會面臨正負樣本不平衡導(dǎo)致少類別欠學(xué)習(xí)的問題，從而影響模型分類處理數(shù)據(jù)的準確度和精確度。目前該類問題的解決主要從算法和數(shù)據(jù)兩個層面展開。算法層面包括對樣本平衡性不敏感模型的開發(fā)、代價敏感法等，而數(shù)據(jù)層面的解決方案，除了像Odom等直接選取等額的破產(chǎn)公司與非破產(chǎn)公司樣本外，主要是在進行訓(xùn)練前通過移除和添加新樣本的方式來平衡類別，具體分為欠采樣及過采樣兩種方式。理論研究從傳統(tǒng)的隨機欠采樣、隨機過采樣發(fā)展至Chawla等提出了過采樣SMOTE方法[22]，通過計算對比在一定約束下人為隨機生成少數(shù)類樣本從而平衡類的分布，SMOTE法一經(jīng)提出便廣泛應(yīng)用于實踐。同時也有更多的研究人員基于SMOTE法合成樣本的質(zhì)量問題、模糊邊界問題、少數(shù)類分布問題等提出了改進方法。如Han等將分類邊界處的樣本作為跟樣本提出的Borderline-SMOTE法[23]，Zhu等提出的基于多類不平衡的SMOM過采樣算法[24]。同時還有將SMOTE與欠采樣方式結(jié)合的新算法，如馮宏偉等整合SMOTE和欠采樣法OSED而產(chǎn)生的BMS[25]，Song等提出的結(jié)合SMOTE和基于K-means欠采樣的BDSK[26]。此外還有Ramentol等提出的結(jié)合過濾技術(shù)的SMOTE-RSB算法[27]，Barua等提出的結(jié)合聚類算法的MWMOTE[28]等等。

三、問題描述和研究思路

破產(chǎn)一般源于債務(wù)人失去經(jīng)營事業(yè)的財產(chǎn)承受能力，或者發(fā)生了無力進行債務(wù)清償?shù)呢攧?wù)危機。公司破產(chǎn)主要原因是財務(wù)危機，其他各種內(nèi)外部影響因素，包括政策、市場、企業(yè)戰(zhàn)略、高管變動等最終都會直接或間接在財務(wù)報表上有所體現(xiàn)。因此本文選擇將公司的財務(wù)狀況作為破產(chǎn)評估及監(jiān)測研究的重點。

同時，從樣本數(shù)據(jù)集信息表（表1）可以看出，用于破產(chǎn)監(jiān)測研究的樣本數(shù)據(jù)存在較為嚴重的正負樣本不平衡的情況——觀察期內(nèi)未破產(chǎn)的公司數(shù)目遠多于破產(chǎn)公司數(shù)目。在模型訓(xùn)練過程中如果不加以調(diào)整，會導(dǎo)致分類器的分類結(jié)果總是傾向于多數(shù)類以獲得高正確率，最終削弱模型分類能力。目前主流的處理不平衡大數(shù)據(jù)量的方法包括代價敏感法、欠采樣法、過采樣法等。欠采樣法的缺點是有可能導(dǎo)致信息丟失，而簡單重復(fù)多次抽取少數(shù)類樣本的傳統(tǒng)過采樣法則可能會造成模型的過擬合。SMOTE法通過在數(shù)據(jù)集中增加人工合成的少數(shù)類樣本在使得類目平衡的同時，提升了分類器的泛化性能，削弱了可能的過擬合情形。因此本文在模型訓(xùn)練過程中會使用SMOTE對訓(xùn)練集中少數(shù)類樣本進行處理以優(yōu)化模型的訓(xùn)練效果。但是由于SMOTE有時會存在合成樣本質(zhì)量問題、少數(shù)類分布問題等，故引入SMOTE-Borderline1和BMS法作為SMOTE過采樣法的補充，分別對訓(xùn)練集數(shù)據(jù)進行類目平衡處理，之后在測試集上檢測基于過采樣法訓(xùn)練的模型真實分類能力，以驗證SMOTE及其改進算法在企業(yè)破產(chǎn)評估模型上的有效性。

基于上述，本文的研究流程分為數(shù)據(jù)準備、模型訓(xùn)練、橫縱向?qū)Ρ?、特征研究與最終結(jié)論五步。首先對收集到的波蘭公司財務(wù)數(shù)據(jù)進行合規(guī)處理，接著基于MLP算法對預(yù)測時間跨度分別為1-5年的五組數(shù)據(jù)集進行了模型分類訓(xùn)練，然后在測試集上橫向?qū)Ρ攘藷o處理、SMOTE、SMOTE-Borderline1算法與BMS算法的效果，縱向?qū)Ρ攘瞬煌瑫r間跨度下分類器的預(yù)測表現(xiàn)，并基于卡方檢驗對財務(wù)特征進行了重要程度排序，最后進行總結(jié)。

四、非平衡大數(shù)據(jù)的來源及處理

（一）樣本數(shù)據(jù)

本文的數(shù)據(jù)來源于UCI大學(xué)的Machine Learning Repository，其中包括許多波蘭公司（含破產(chǎn)和未破產(chǎn)）的財務(wù)數(shù)據(jù)。這些數(shù)據(jù)收集于EMIS（Emerging Markets Information Service），其中破產(chǎn)公司的分析時間區(qū)間為2000—2012年，非破產(chǎn)公司的分析時間區(qū)間為2007—2013年。根據(jù)收集數(shù)據(jù)的時間點及預(yù)測時間點的跨度將數(shù)據(jù)集分成五類：觀察期第一年的財務(wù)數(shù)據(jù)及五年后該公司的經(jīng)營情況，第二年的財務(wù)數(shù)據(jù)及四年后該公司的經(jīng)營情況，第三年的財務(wù)數(shù)據(jù)及三年后該公司的經(jīng)營情況，第四年的財務(wù)數(shù)據(jù)及兩年后該公司的經(jīng)營情況，第五年的財務(wù)數(shù)據(jù)及一年后該公司的經(jīng)營情況。其中，公司的經(jīng)營情況即為研究的標簽類別：非破產(chǎn)為0，破產(chǎn)為1。

由于該原始數(shù)據(jù)集中存在部分特征及樣本缺失過多、數(shù)據(jù)值大小不符合財務(wù)指標的基本意義等情況，因而在原始數(shù)據(jù)集的基礎(chǔ)上根據(jù)數(shù)據(jù)缺失情況、數(shù)據(jù)展現(xiàn)的基本特征，對部分數(shù)據(jù)進行了一定刪減及模擬生成填充，以期符合財務(wù)規(guī)則及現(xiàn)實意義。經(jīng)過處理后的數(shù)據(jù)集信息見表1。

（二）數(shù)據(jù)特征

由于各行業(yè)、各規(guī)模公司的財務(wù)規(guī)模差別較大，因此采用財務(wù)比率代替一級財務(wù)指標。經(jīng)過篩選后，本數(shù)據(jù)集共有54維特征，詳見表2。

銷售額/固定資產(chǎn)" 注：（1） EBIT：息稅前利潤，為企業(yè)凈利潤、支付的利息費用、支付的所得稅費用之和；（2） EBITDA：息稅折舊及攤銷前利潤，為企業(yè)凈利潤、支付的利息費用、支付的所得稅、折舊及攤銷費之和。

五、建模實驗

（一）模型訓(xùn)練方法

采用的模型為非平衡數(shù)據(jù)處理和多層感知器MLP組成的分類器。其中，非平衡數(shù)據(jù)處理算法包括：SMOTE、SMOTE-Borderline1、BMS三種。將這三種算法分別與MLP組合形成分類器，并代入非破產(chǎn)公司、破產(chǎn)公司的財務(wù)數(shù)據(jù)。對分類器進行訓(xùn)練，利用訓(xùn)練完成之后的模型以及測試集中的公司財務(wù)數(shù)據(jù)，對該公司未來X年的運營情況（是否破產(chǎn)）進行預(yù)測。該模型可以實現(xiàn)的目標是：

（1）考察基于不同非平衡數(shù)據(jù)處理算法下的分類器效果，證明非平衡數(shù)據(jù)處理算法的有效性。

（2）考察不同時間跨度下（預(yù)測1、2、3、4、5年后公司經(jīng)營情況），分類器預(yù)測效果的差異。

在數(shù)據(jù)集上經(jīng)過SVM、Logistic、Gradient Boosting、Nave Bayes、MLP算法對比后，最終采用多層感知器MLP來進行破產(chǎn)監(jiān)測模型的訓(xùn)練預(yù)測。首先，分別對案例1、2、3、4、5組的數(shù)據(jù)進行Z-Score標準化處理，然后將數(shù)據(jù)集劃分為80%的訓(xùn)練集及20%的測試集。在每組的訓(xùn)練集上分別做SMOTE過采樣、SMOTE-Borderline1、BMS以及不做處理后，構(gòu)造MLP模型并進行訓(xùn)練，將訓(xùn)練好的分類器在測試集上進行驗證。模型的評價指標包括精確率、召回率、準確率、F1-score、AUC、交叉驗證等。

得到模型評估結(jié)果后，對模型表現(xiàn)分別進行橫向?qū)Ρ群涂v向?qū)Ρ?。橫向?qū)Ρ戎饕接憻o處理、SMOTE、 SMOTE-Borderline1和 BMS分別對分類器分類效果的影響；縱向?qū)Ρ戎饕A(yù)測時間點跨度對分類器效果的影響。

最后本文基于卡方檢驗篩選出分類重要度較高的財務(wù)指標，并從公司財務(wù)角度對其進行解釋。

（二）實驗結(jié)果與評估

實驗結(jié)果見表3。

1．橫向?qū)Ρ?/p>

從圖1、圖2、圖3中可以看出，在使用了非平衡數(shù)據(jù)處理算法后，除了案例 4中SMOTE-Boreline1和BMS有略微降低外，分類器預(yù)測表現(xiàn)的F1-score都有顯著的上升，證明SMOTE、SMOTE-Borderline1、BMS算法在處理非平衡數(shù)據(jù)問題上的有效性。同時，傳統(tǒng)的SMOTE與SMOTE-Borderline1算法對MLP分類器性能提升作用較為穩(wěn)定，而基于BMS算法的分類器表現(xiàn)有相對較大幅度的波動。鑒于BMS算法同時應(yīng)用了對少數(shù)類的過采樣與多數(shù)類的欠采樣，即對原始數(shù)據(jù)的處理幅度更大，有可能導(dǎo)致其訓(xùn)練出的模型在未經(jīng)改動的預(yù)測集上表現(xiàn)出較大差異。

2．縱向?qū)Ρ?/p>

由圖4、圖5可以看到隨著預(yù)測時間節(jié)點與觀察時間點跨度的縮小，MLP分類器預(yù)測表現(xiàn)的F1-score、AUC值基本呈上升趨勢，符合現(xiàn)實邏輯：公司的財務(wù)狀況對于越近判斷日期具有越強指導(dǎo)意義，而隨著時間跨度的增長，未來不確定性因素逐漸增加，公司在觀察節(jié)點的財務(wù)數(shù)據(jù)的重要程度逐漸下降，導(dǎo)致模型效率降低。

3．財務(wù)指標研究

對原始數(shù)據(jù)集做Min-Max標準化處理后，基于卡方檢驗篩選出在分類過程中起作用程度較高的財務(wù)指標，并得到這些指標隨預(yù)測時間跨度發(fā)生的變化，如表4所示。在破產(chǎn)分析模型中，重要的財務(wù)指標包括：資產(chǎn)負債率、短期負債/總資產(chǎn)、流動負債/售出產(chǎn)品成本、固定資產(chǎn)比率、所有者權(quán)益比率、（權(quán)益－股本）/總資產(chǎn)、營運資金/總資產(chǎn)、總資產(chǎn)利潤率、毛利潤（三年內(nèi)）/總資產(chǎn)、息稅前利潤率、（毛利潤+利息）/總資產(chǎn)等。從統(tǒng)計分析角度，與公司運營狀態(tài)、破產(chǎn)概率相關(guān)度較高的財務(wù)指標為公司短期負債情況、資金結(jié)構(gòu)情況（負債、所有者權(quán)益占比）與經(jīng)營利潤情況。從企業(yè)財務(wù)角度進行解釋，公司破產(chǎn)主要是資不抵債所致，其中短期負債對公司債務(wù)償還的影響比重最大；公司的資金結(jié)構(gòu)決定了債務(wù)規(guī)模大小，利潤水平反映了公司的營收能力，二者均可以直接影響公司債務(wù)償付能力，從而對公司經(jīng)營狀態(tài)及破產(chǎn)概率產(chǎn)生較大影響。此外，資金結(jié)構(gòu)情況更適用于對公司中長期破產(chǎn)概率的預(yù)測，而短期負債情況、營運資金情況則在短期預(yù)測中價值更高，這也與財務(wù)邏輯相符。

六、研究結(jié)論

本文利用MLP法對公司破產(chǎn)評估模型進行了基于不平衡大數(shù)據(jù)量處理方法的橫向研究與基于預(yù)測時間跨度的縱向研究。結(jié)論包括以下三點：

（1）通過與無處理樣本對比，驗證了SMOTE算法、SMOTE-Borderline1算法、基于過采樣與欠采樣的BMS算法在平衡公司破產(chǎn)問題中類別數(shù)據(jù)差異上的有效性?；贐MS算法生成并訓(xùn)練的MLP分類器表現(xiàn)效果差異較大、穩(wěn)定性稍低；

（2）利用模型數(shù)據(jù)驗證了基于MLP算法和公司財務(wù)數(shù)據(jù)搭建的分類器模型在中短期時間跨度上的預(yù)測分類效果更好；

（3）通過卡方檢驗提取出公司短期負債情況、資金結(jié)構(gòu)情況與經(jīng)營利潤情況三項在公司破產(chǎn)監(jiān)測研究中最重要的數(shù)據(jù)特征，并指出其在預(yù)測時間變化時的重要程度變化趨勢。

本文的研究貢獻主要體現(xiàn)為：首先，綜合以往研究發(fā)現(xiàn)基于SMOTE的改進方法提出時間晚，尚未大量應(yīng)用于實踐中證實有效性。本研究建立非平衡大數(shù)據(jù)公司的破產(chǎn)評估模型，在實踐中證明基于SMOTE的改進方法的有效性，為未來學(xué)者在中國情境下運用基于SMOTE的改進方法建立模型提供了參考依據(jù)。其次，實驗采用各種算法組合的分類器較好地訓(xùn)練了測試集中的數(shù)據(jù)，為未來研究提供了較好的破產(chǎn)評估模型的分類器組合形式。

不足之處在于在對原始數(shù)據(jù)集進行數(shù)據(jù)處理時，有可能會出現(xiàn)由于刪除、模擬生成及填補數(shù)據(jù)的方式存在不當之處（如空白數(shù)據(jù)超過閾值）而對模型表現(xiàn)及結(jié)論有所影響。此外，在未來的研究中，可以將經(jīng)營戰(zhàn)略、產(chǎn)業(yè)政策、輿論情緒、宏觀經(jīng)濟等指標量化加入模型中，增加模型因子全面性。

參考文獻：

［1］ 孟小峰，慈祥.大數(shù)據(jù)管理：概念、技術(shù)與挑戰(zhàn)[J].計算機研究與發(fā)展， 2013，50（1）：146-169.

[2] Ohlson J. Financial ratios and the probabilistic prediction of bankruptcy[J]. Journal of Accounting Research， 1980，18（1）：109-131.

[3] Casey C， Bartczak N. Using operating cash flow data to predict financial distress： some extensions[J]. Journal of Accounting Research， 1985，23（1）：384.

[4] Tirapat S， Nittayagasetwat A. An investigation of that listed firms’ financial distress using macro and micro variables[J]. Multinational Finance Journal， 1999，3（2）：103-125.

[5] Odom" M，Sharda R. A neural network for bankruptcy prediction[C]. Neural Networks，1990 International Joint Conference on Neural Networks on IEEE， 1990，163-168.

[6] Min J H， Lee Y C. Bankruptcy prediction using support vector machine with optimal choice of kernel function parameters[J]. Expert Systems with Applications， 2005，28（4）：603-614.

[7] Fang L， Zhu W D， Chen Y W， et al. Evaluation， ranking and selection of Ramp;D projects by multiple experts： an evidential reasoning rule based approach［J］. Scientometrics， 2017，111 （3）：1-19.

[8] Halteh K， Kumar K， Gepp A. Financial-distress prediction of Islamic banks using tree-based stochastic techniques［J］. Managerial Finance， Special Issue in the Role of Islamic Finance in Mainstream Finance， 2017，44 （6） ：759-773.

[9] Kim S， Lee S M， Roig J M. Predicting hospitality financial distress with ensemble models： the case of US hotels， restaurants， and amusement and recreation［J］. Service Business， 2018，12 （3） ：483-503.

[10]Zhu W， Zhang T， Wu Y， et al. Research on optimization of an enterprise financial risk early warning method based on the DS-RF model[J]. International Review of Financial Analysis， 2022，81：102140.

[11]陳曉，陳治鴻．中國上市公司的財務(wù)困境預(yù)測[J].中國會計與財務(wù)研究， 2000，2（3）：55-92.

[12]陳燕， 廖冠民. 大股東行為、公司治理與財務(wù)危機[J]. 當代財經(jīng)， 2006（5）：111-115.

[13]李賀，馮天瑾，丁香乾，等. 企業(yè)財務(wù)預(yù)警PCA-SVM模型研究[J]. 計算機工程， 2006，32（9）：233-235，238.

[14]楊淑娥， 黃禮. 基于BP神經(jīng)網(wǎng)絡(luò)的上市公司財務(wù)預(yù)警模型[J]. 系統(tǒng)工程理論與實踐， 2005， 25（1）：12-18.

[15]劉飛虎， 羅曉光. 基于PCA-RBF神經(jīng)網(wǎng)絡(luò)的商業(yè)銀行財務(wù)風(fēng)險評價研究[J]. 投資研究， 2013（3）：88-97.

[16]肖毅，熊凱倫，張希. 基于TEI@I方法論的企業(yè)財務(wù)風(fēng)險預(yù)警模型研究[J].管理評論， 2020，32（7）：226-235.

[17]王言，周紹妮，石凱. 國有企業(yè)并購風(fēng)險預(yù)警及其影響因素研究——基于數(shù)據(jù)挖掘和XGBoost算法的分析[J].大連理工大學(xué)學(xué)報（社會科學(xué)版）， 2021，42（3）：46-57.

[18]喬冰琴，段全虎，趙丹. 基于MD＆A多文本特征的財務(wù)風(fēng)險預(yù)警模型研究[J].會計之友， 2023（5）： 16-23.

[19]江乾坤，王成哲. 互聯(lián)網(wǎng)企業(yè)海外并購財務(wù)風(fēng)險大數(shù)據(jù)預(yù)警研究[J].技術(shù)經(jīng)濟， 2023， 42（9）： 147-160.

[20]Grobelnik M. Big-data computing： creating revolutionary breakthroughs in commerce， science， and society [R/OL]. 2012-10-02.http：//videolectures.net/eswc2012_grobelnik_big_data/.

[21]Dedi’c N， Stanier C. Towards differentiating business intelligence， big data， data analytics and knowledge discovery [J]. In： Proc of Int Conf on Enterprise Resource Planning Systems，2016，285：114-122.

[22]Chawla N V， Bowyer K W， Hall L O， et al. SMOTE： Synthetic minority over-sampling technique[J]. Journal of Artificial Intelligence Research， 2002，16（1）：321-357.

[23]Han H， Wang W， Mao B. Borderline SMOTE： a new over-sampling method in imbalanced data sets learning[C]. International Conference on Advances in Intelligent Computing. Berlin，2005，878-887.

[24]Zhu T， Lin Y， Liu Y. Synthetic minority oversampling technique for multiclass imbalance problems[J]. Pattern Recognition， 2017，72：327-340.

[25]馮宏偉， 姚博， 高原，等. 基于邊界混合采樣的非均衡數(shù)據(jù)處理算法[J]. 控制與決策， 2017，32（10）：1831-1836.

[26]Song J， Huang X， Qin S， et al. A bi-directional sampling based on K-means method for imbalance text classification[C]. The 15th International Conference on Computer and Information Science （ICIS）. IEEE， 2016.

[27]Ramentol E， Yailé C， Bello R， et al. SMOTE-RSB： a hybrid preprocessing approach based on oversampling and undersampling for high imbalanced data-sets using SMOTE and rough sets theory[J]. Knowledge and Information Systems， 2012，33（2）：245-265.

[28]Barua S， Islam M M， Yao X， et al. MWMOTE： majority weighted minority oversampling technique for imbalanced data set learning[J]. IEEE Transactions on Knowledge and Data Engineering， 2014，26（2）：405-425.

（責(zé)任編輯：鄒彬）

Research on the Corporate Bankruptcy Evaluation"Model Based on Unbalanced Data

LI" Tianyu1， GAO Huangting2， ZHAI" Yaqi2

（1.Business School， Hubei University， Wuhan， Hubei 430062， China；

（2.Scool of Management， Wuhan University of Technology， Wuhan， Hubei 430070， China）

Abstract：Within the context of big data， this study employs machine learning and data mining techniques to model， train， and validate the financial data of bankrupt and non-bankrupt companies in Poland， including the application of" SMOTE， SMOTE-Borderline1， and BMS， which are algorithms designed to handle imbalanced data within the multi-layer perceptron framework. A horizontal comparison revealed that the SMOTE， SMOTE-Borderline1， and BMS algorithms effectively enhanced the F1-Score， thereby substantiating the efficacy of multilayer perceptron algorithms in addressing imbalanced categorical data within the domain of corporate bankruptcy assessment. A vertical comparison indicated significant differences in the performance of the MLP model and the classifier model based on corporate financial data across various predictive periods. Ultimately， chi-squared tests were utilized to identify key financial indicators， such as short-term liabilities， capital structure， and operating profits， as being of considerable importance.

Key words：machine learning; multi-layer perceptron algorithm; bankruptcy evaluation model; MLP model

基金項目：" 湖北省高等學(xué)校哲學(xué)社會科學(xué)研究重大項目（23ZD179）

作者簡介： 李田雨（1981—），女，湖北襄陽市人，博士，湖北大學(xué)商學(xué)院副教授，研究方向：經(jīng)濟與管理、大數(shù)據(jù)管理與應(yīng)用研究；通信作者：高煌婷（１９92—），河南商丘人，武漢理工大學(xué)管理學(xué)院博士研究生，研究方向：企業(yè)社會責(zé)任和企業(yè)可持續(xù)發(fā)展。