非均衡样本视域下房地产上市公司财务风险预测分析.pdfVIP

2024年7月中国管理信息化Jul.,2024

第27卷第14期ChinaManagementInformationizationVol.27,No.14

非均衡样本视域下房地产上市公司财务风险预测分析

马臻，黄成世，常莹，鲁志娟，丛禹月

（西安欧亚学院

金融与数据科学学院，西安710065）

【摘要]文章基于非均衡房地产上市公司样本视角，结合逻辑回归（LogisticRegression）算法对中国房地

产上市公司的财务风险进行预测分析。研究结果表明，ADASYN-LogisticRegression模型能够有效解决

房地产上市公司的非均衡样本问题，具备较好的预测性能。基于此，文章运用非均衡样本处理方法构建

财务风险预测模型，旨在识别存在财务风险的公司，采取预防措施，提升公司竞争力。

【关键词］非均衡样本；房地产公司；财务风险；逻辑回归

doi:10.3969/j.issn.1673-0194.2024.14.003

[文献标识码]A

［中图分类号】F832.51；F299.233.42［文章编号】1673-0194（2024）14-0010-03

0弓引言意义。目前，处理非均衡样本的方法主要围绕算法层

随着经济全球化进程加快，我国经济规模不断扩面和数据层面展开，其中关于数据层面的研究较为丰

大。根据国家统计局公开的数据，房地产及其相关行富，即通过改变样本的分布情况降低数据非均衡性，常

业占我国经济总量的比重达13%～14%，其产业链条用方法有欠采样、过采样。但是，基于非均衡样本数据

长、涉及面广，维系着社会经济的稳定运转。然而，房集的研究鲜有基于房地产财务风险预测角度的，多集

地产行业属于资金密集行业，上市公司的资金主要来中于金融欺诈账户检测、信用卡违约预测分析等方面。

自银行贷款，其融资途径相对单一，因此公司通常会因此，本文将从非均衡样本视域出发，以房地

产行业为研究对象，应用随机下采样（RandomUnder

面临负债高、成本高和资金流动缓慢的问题[1]。有效

的财务风险预测可以帮助上市公司预知财务风险，防Sampler,RUS）、近似接近采样（NearMiss,NM）、合成少数类

范经营危机，提升运营能力。过采样（SyntheticMinorityOversamplingTechnique,SMOTE）、

国内外学者一直关注房地产公司财务风险的预测自适应合成抽样（AdaptiveSyntheticSampling,ADASYN）

4种主要的非均衡样本处理方法，结合Logistic

研究,并运用不同模型进行预测分析[2]。一是单变量

模型。威廉·比弗（WillamBeaver）于1966年率先提Regression算法构建财务风险预测模型，以期消除非均

出单变量预测模型，并进行财务风险预测[3]。二是多衡样本影响，提高风险预测模型的性能和准确性，助力

变量模型。金奈（Kinay）通过构建LogisticRegression房地产上市公司持续健康发展。

模型预测公司财务风险[4]；王楠子等基于Logistic1

非均衡样本财务风险预测方法

Regression模型，通过6个综合因子构建预警决策模1.1非均衡样本处理方法

型[5]。三是Z-Score模型。严碧红等运用Z-Score模RUS方法为欠采样基础方法，即从多样本Smax中

型预测我国房地产企业发生财务危机的可能性[6]。然随机选择少样本，再合并原有少样本Smin作为新训练

而，在客观情况下，具有财务风险的公司样本较少，正数据集；NM方法属于欠采样常见方法，即从多样本

常经营的公司样本比较多，构成非均衡样本分布，该中选取最具代表性的样本用于训练，解决随机欠采样