机器学习与财务预测——来自中国上市公司业绩爆雷预警应用的经验研究

摘要

作为经济领域较为新兴的研究方法,机器学习拓宽了经济学研究边界。那么,能否将其应用于中国上市公司的财务预测呢?本文认为,通过正确地选择模型和准确完整地收集数据,机器学习可以成为一种适用性强且效率高的预测方法,能够挖掘数据间的关系,研究非线性、不易解释的模型,预测准确度超过了传统计量经济模型。本文以机器学习为研究方法,以中国上市公司业绩爆雷预警应用为切入点,基于文献和文本挖掘选择预测变量,训练了决策树、Bagging、AdaBoost、弹性网、Logistic回归5种模型。结果表明机器学习模型对上市公司业绩爆雷有较好的预警效果;集成学习模型Bagging和AdaBoost预测能力更强,弹性网模型最稳定。我们的研究为机器学习在财务管理领域应用提供了一些思路及建议。