陈友余, 赵金晶, 王欣, 刘纯霞
在传统财务指标基础上, 基于过去、未来和情感视角, 应用文本分析方法和自然语义处理方法, 重构企业风险识别指标体系, 然后引入机器学习方法, 以上市公司财务数据及管理层讨论与分析文本信息为数据来源, 构建企业风险识别模型, 进行企业风险识别. 研究结论如下: 1)通过提供增量信息, 完善风险度量尺度, 构建兼具时态敏感性和情感洞察力的三维风险识别体系, 以更全面、更准确地对企业风险进行测度和识别; 2)引入机器学习算法, 对AdaBoost模型、Hist Gradient Boosting模型、Random Forest模型和Bagging模型进行精度比较, 发现AdaBoost模型最优, 稳健性最好, 可用于企业风险识别; 3)应用机器学习方法和SHAP方法, 进行企业风险特征重要度排序和企业风险识别机理分析, 识别出企业风险关键影响因素, 观察各项风险特征对企业风险识别模型的影响. 本研究能为企业风险识别指标体系设计和风险识别模型优化提供经验证据和决策支持, 并助推企业高质量发展和供应链安全稳定.