基于机器学习方法的公司财务管理风险模型构建

苏元辰 铁凯扬

（新疆大学经济与管理学院，新疆 乌鲁木齐 830000）

展望2021年，是中国“十四五”规划的开局之年，中国提出立足于国内国外双循环，建立扩大内需的有效制度，全面促进消费，拓展投资空间。对于上市公司而言，一方面，不能过于关注公司的高收益高价值而忽视了其背后的财务管理高风险；另一方面，如何客观评估和预测上市公司的财务管理风险，对于投资者及时调整投资决策，监管者准确判断公司状况，决策者有效规避财务管理风险都具有重要意义。

从财务管理风险指标的构建上看，学者张玲[1]等多采用传统财务指标进行预测，但由于预测目标的不同，传统财务比率往往很难全面反映问题的本质属性。从财务管理风险的评估方法来看，国内外学者最早集中于运用统计方法进行预警验证，但是此类模型往往需要较强的假设前提，有较强的局限性。后来学者开始尝试运用人工智能技术进行预警验证，虽然其假设约束力度不强，但是稳定性较差，模型的解释能力有所不足。

基于此，本文引入非财务指标对传统企业财务管理风险预警指标体系进行扩充，基于多种机器学习模型进行筛选，结合WOE-IV信息量进行佐证，探究新体系下财务管理风险预测的准确性，平稳性和可解释性。具体地，首先同时运用多种机器学习模型进行择优预测，择优手段为交叉验证。然后在确保所选用的模型具有高准确率和稳定性的基础之上，根据相对应的机器学习解释性机制对新体系下财务管理风险进行重要特征筛选，最后为了保证重要特征影响程度的合理性，本文使用WOE-IV信息量进行合理性佐证，发现可信度较高。……