论文部分内容阅读
深圳交易证券所在2009年设立了创业板市场,截止2017年末,在创业板上市的公司共有710家,比2016年增加140家,同比增长24.56%,上市公司总市值51288亿元,比2016年减少965亿元,同比减少1.85%。经过近十年的发展,创业板在我国资本市场占有越来越重要的位置,与创业板的高成长性并存的是其高风险性,对其建立一个行之有效的财务风险预警模型迫在眉睫。目前我国学者对上市公司财务风险预警的研究大都集中在经营相对稳定、盈利能力较强、发展超过二十年的A股主板市场。为了建立属于创业板公司的财务危机预警模型,笔者以2016-2017年创业板上市公司在财务方面的数据为切入点,综合考量2015-2017年的数据,参考前人的分类方法,以连续两个半年度亏损或者净资产增长率为负作为危机划分依据,将在2015前上市的创业板公司分为危机公司和健康公司两个组别。通过对国内外财务风险预警文献梳理,对收集到的数据进行筛选和整理的前期工作后,在实证部分利用随机森林算法对样本公司的财务状况进行判别分析研究,并检测模型相应的预警准确性,研究发现默认参数的随机森林分类效果并不高,所以本文对随机森林的主要参数和不平衡问题进行了优化。为了更加直观的反映随机森林在创业板上市公司财务风险预警问题上的预警功能,运用本次试验数据,将优化后的随机森林模型与分类回归树(CART)、支持向量机(SVM)模型进行对比分析,得到了经过参数优化后的随机森林模型性能稳定性更高、判别更准确的结论。通过随机森林模型,创业板公司财务危机发生前一年的预警准确率可以达到84%以上。总的来说,本文结合金融统计、财务学的知识,利用最近广泛应用的随机森林算法在创业板上市公司财务危机预测方面建立预警模型,通过危机预警模型来对创业板上市公司可能发生财务危机的前一年数据进行预测,对创业板上市公司的财务风险管理有一定参考价值。