10.13910/j.cnki.shjr.2022.05.002
国有企业并购完成率预测及其影响因素研究 ——基于数据挖掘和随机森林算法的分析
随着国有资本和社会资本交叉融合的国企改革不断深入,国企并购重组业务不断涌现,然而很多国企由于盲目而导致并购未能完成.本文探索融合多种影响因素数据,利用随机森林算法构建国企并购完成率预测模型.设计影响国企并购完成率评价体系,应用Python爬取网页和文本数据,运用Logistic回归分析影响并购完成率的相关因素,基于随机森林算法构建国企并购完成率预测模型,将结果与4种经典机器学习模型作对比实验以评价预测效果.结果表明:并购以现金结算、出让方为非上市公司、非重大资产收购更加有利于提高并购完成率;买方支付净资产比、买方支付净利润比、结算方式对于并购完成率的预测更加重要和有效;预测结果精确度为86％(F值)和87％(AUC值).基于随机森林算法的预测结果在所有模型中表现最优,具有更强的鲁棒性和适用性.本研究丰富了人工智能算法在并购重组领域的运用,为早防范、早发现、早干预,从而使国企更有效地开展并购活动提供了实践帮助.
国有企业、并购完成率、影响因素、完成率预测、Logistic回归、随机森林分类
TP181;F275(自动化基础理论)
商业银行创新专精特新企业金融顾问服务研究
2022-10-08（万方平台首次上网日期，不代表论文的发表时间）
共14页
16-29
