10.3969/j.issn.1002-5812.2023.02.015
基于XGBoost模型的上市公司财务风险预警应用
为了提高财务风险预警模型的有效性,解决样本数据不平衡问题、优化预警指标降维程序,文章提出了一种用于财务风险预警的SMOTE-双层XGBoost模型,利用2007—2019年我国A股市场的非金融业上市公司数据进行分析.结果表明,利用SMOTE算法能够有效解决样本数据不平衡的问题;通过XGBoost的特征重要性分析优化预警指标体系,可以提高模型的准确率;对比机器学习中的逻辑回归、KNN、决策树、随机森林模型,SMOTE-双层XGBoost模型具有更好的预测效果,且预警表现更加稳定,扩展了XGBoost模型的实用性,为上市公司财务风险预警研究提供了新视角.
财务风险预警、XGBoost、SMOTE
F275(企业经济)
湖北民族大学研究生科研创新项目MYK2022032
2023-02-20（万方平台首次上网日期，不代表论文的发表时间）
共5页
62-66
