基于機器學習方法的公司財務管理風險模型構建

蘇元辰 鐵凱揚

（新疆大學經濟與管理學院，新疆 烏魯木齊 830000）

展望2021年，是中國“十四五”規劃的開局之年，中國提出立足于國內國外雙循環，建立擴大內需的有效制度，全面促進消費，拓展投資空間。對于上市公司而言，一方面，不能過于關注公司的高收益高價值而忽視了其背后的財務管理高風險；另一方面，如何客觀評估和預測上市公司的財務管理風險，對于投資者及時調整投資決策，監管者準確判斷公司狀況，決策者有效規避財務管理風險都具有重要意義。

從財務管理風險指標的構建上看，學者張玲[1]等多采用傳統財務指標進行預測，但由于預測目標的不同，傳統財務比率往往很難全面反映問題的本質屬性。從財務管理風險的評估方法來看，國內外學者最早集中于運用統計方法進行預警驗證，但是此類模型往往需要較強的假設前提，有較強的局限性。后來學者開始嘗試運用人工智能技術進行預警驗證，雖然其假設約束力度不強，但是穩定性較差，模型的解釋能力有所不足。

基于此，本文引入非財務指標對傳統企業財務管理風險預警指標體系進行擴充，基于多種機器學習模型進行篩選，結合WOE-IV信息量進行佐證，探究新體系下財務管理風險預測的準確性，平穩性和可解釋性。具體地，首先同時運用多種機器學習模型進行擇優預測，擇優手段為交叉驗證。然后在確保所選用的模型具有高準確率和穩定性的基礎之上，根據相對應的機器學習解釋性機制對新體系下財務管理風險進行重要特征篩選，最后為了保證重要特征影響程度的合理性，本文使用WOE-IV信息量進行合理性佐證，發現可信度較高。

一、上市公司財務管理風險評估指標體系構建及預警評估流程

1.指標選取

本文在崔建新[2]、閔劍[3]等學者的研究基礎上結合當前社會現狀，從財務指標中選擇了14個三級指標對企業財務管理風險進行了篩選預測。鑒于單一的財務指標不能夠很好地反映問題的本質，通過整合鄧小軍[4]等學者的研究，又在非財務指標中篩選了3個三級指標對企業財務管理風險進行預測。如表1所示。

表1 公司財務管理風險評估指標體系

2.財務管理風險預警建模流程

首先選取上市公司預警評估解釋特征矩陣X與target矩陣Y，進行數據篩選以及變量分箱等預處理，通過邏輯回歸、決策樹、支持向量等方法，選取準確率、F1得分、AUC、召回率、精準率作為評價指標，在十次十折交叉實驗后對所得結果的平穩性和準確性進行判定，同時與WOE-IV模型擇優結果相佐證，如果整體一致，則輸出最優模型以及特征重要性；反之，則重新選擇方法。財務管理風險預警建模流程如圖1所示。

圖1 財務管理風險預警建模流程

二、實證結果

1.數據來源及數據預處理

本文選取A股市場中公布數據齊全的525家企業作為初始樣本進行篩選：

（1）有兩項及以上的空缺數據的公司剔除；（2）將財務信息波動較大的銀行和證券公司剔除；（3）ST與非ST企業數量相差比例小于10%。

根據以上條件，最終選擇455家公司作為最終樣本，并對其中有缺失值的數據特征進行考量，根據不同的特征和類別采取聚類填充和均值填充。

2.多種機器學習算法預測結果對比

為了將企業財務管理風險進行準確的對比，本文采用決策樹、支持向量機、邏輯回歸、隨機森林等多種機器學習算法對模型進行了十折交叉實驗。在綜合考慮實驗各項指標后，判定XGBoost模型的預測效果最好。各類機器學習算法預測結果對比如表2所示。

表2 各類機器學習算法預測結果對比

3. XGBoost算法的穩健性檢驗

基于企業各方利益者對評估結果的期望，使用AUC作為模型優劣評估標準，另外不對超參數進行優化，均使用默認參數。通過進行10次10折交叉實驗以驗證篩選出最優模型XBGoost的預測準確率和穩定性，得到結果如表3所示。從結果可以看出：使用XGBoost集成學習對企業財務風險預警評估具有高準確率和穩健性。可以用來對企業財務管理風險進行預警評估。

表3 十次十折交叉驗證

4.評估特征影響程度分析

（1）基于XGBoost特征重要性排序

根據將特征重要性使用特征在作為劃分屬性時loss平均的降低量的原則，得到特征得分以及重要性排序如圖2所示。

圖2 XGBoost模型各解釋變量重要程度對比

（2）基于WOE-IV信息量的特征重要性排序

將本文預處理后數據中的17個特征指標通過WOE變換對信息進行處理，將其對標到同一尺度上，然后將WOE根據區分度的好壞進行加權：

最終得到IV值較好的六個特征指標如表4所示：將基于WOE-IV信息量得到的特征重要性程度與XGBoost模型輸出的特征重要性程度對比發現：兩者輸出的特征重要性程度排序基本一致，佐證了XGBoost模型得到的特征重要性結果的合理性。

表4 WOE-IV信息量特征排序

三、結論與建議

根據上述結果，本文得出結論：每股收益、審計意見、資產增長率、主體信用評級、每股經營活動現金流量凈額對企業財務管理風險具有顯著影響，并且可以通過XBGoost模型對企業是否有財務管理風險給出較好預測效果。

此外上市公司的財務管理風險防控，不僅需要各公司發揮主體作用，更需要政府、金融機構的支持和監督。具體來看：（1）股權的過度集中會增大企業的財務管理風險，在股權高度集中的體系下，控股股東的存在會影響到獨立董事、監事會和中介機構的獨立性。因此這就要求各公司合理控制股權分布，避免過高的股權集中給公司帶來過高的財務管理風險。（2）專業機構出具的建議對投資者理性投資、規避風險往往具有較高的參考性。同時我國應該繼續加強和規范各金融機構的操作規范性和信息披露的準確性，繼續強化各金融機構的獨立性，努力為廣大投資者塑造一個良好穩定的投資環境。