制造业上市公司财务预警模式研究.pdfVIP

科技进步

制造业上市公司财务预警模式研究

11，2*

吴忠雯，周传华

（1.安徽工业大学管理科学与工程学院，安徽马鞍山243002；2.中国科学技术大学计算机科学与技术学院，合肥230026）

揖摘要铱论文针对企业财务数据高维复杂、类别不平衡的特性，提出深度学习的多维特征融合与动态样本优化建模方案。首先采用

SMOTE-Tomek综合采样法对样本数据进行平衡，接着利用网格搜索和五折交叉验证对LightGBM模型进行参数调优，并通过五维

为验证模型的有效性，建立、

评估体系分析模型预测效果。Logistic回归XGBoost及SVM模型进行对比分析，结果显示预测效果最

好的是LightGBM模型，拥有高召回率和AUC值。

揖关键词铱LightGBM模型；制造业上市公司；财务危机预警

揖中图分类号铱F275；TP181揖文献标志码铱A揖文章编号铱1673-1069（2025）02-0125-03

1引言2制造业上市公司财务危机预警研究方法

党的二十大报告明确指出，建设现代化产业体系需以实2.1LightGBM模型理论

体经济为核心着力点，重点推进新型工业化与制造强国建LightGBM（LightGradientBoostingMachine）是由微软团

设，可见制造业在国民经济中的战略地位。随着市场竞争日队于2017年提出的高效梯度提升框架，其通过决策树算法

趋激烈，制造业上市公司的经营状况已成为政府监管与资本优化传统GBDT模型，在多元预测任务中具有显著性能优

[6]

。势。核心创新包括：第一，采用直方图算法实现特征值离散

市场重点监测领域2019年中央经济工作会议着重强调运用

大数据、人工智能等数字技术防范化解重大风险，这与党的化分箱处理，通过降维运算降低计算复杂度与内存消耗；第

十九大提出的“推动数字技术与实体经济深度融合”战略方二，设计分裂增益导向的深度扩展策略（leaf-wise），替代传

针形成政策呼应，对制造业企业风险防控能力提出了更高要统广度优先生长模式（level-wise），实现精度与效率的优化

求。在此背景下，构建精准的财务风险预警机制成为保障企平衡；第三，集成梯度单边采样（GOSS）与互斥特征绑定

（EFB）技术，分别通过数据实例筛选与特征维度约简构建高

业可持续发展的重要课题。

[1]效学习框架。

财务困境理论研究可追溯至Beaver开创性地将财务困

境界定为“公司无法按期履行财务义务，包括破产、债券违约该框架通过L1/L2正则化抑制过拟合，支持分布式并行

[2]计算与特征重要性解析，其leaf-wise策略的潜在过拟合风险

等状态”。而近代，吕长江等提出动态视角，强调财务困境是

包含破产成本在内的连续性过程。在预警模型演进方面，可通过超参数调优实现有效控制，进一步提升模型泛化能