1 论文标题:基于XGBoost算法的上市公司财务风险预警研究
2 作者信息:朱顺泉:广州华商学院数字金融学院,广东 广州
3 出处和链接:朱顺泉. 基于XGBoost算法的上市公司财务风险预警研究[J]. 金融, 2025, 15(2): 415-422. https://doi.org/10.12677/fin.2025.152043
4 摘要:在当今的大数据和人工智能时代,机器学习在企业财务预警领域应用是热门的话题,而XGBoost算法是最重要的机器学习方法之一。论文在回顾上市公司财务预警相关研究的基础上,由于传统统计方法、神经网络法、决策树和GBDT算法在财务预警方面存在运行效率低、计算速度慢、学习效率低、缺乏交叉验证、过拟合、无自动筛选、预测精度低等方面的问题,提出基于机器学习的XGBoost算法建立了中国上市公司的财务预警模型。结果发现:XGBoost算法对中国上市公司的财务预警有较好的识别,具有广泛的适用性和推广价值。论文丰富了传统的公司财务预警方法,提供了公司财务预警的新思路。


雷达卡


京公网安备 11010802022788号







