基于集成学习对医药生物企业财务预警的研究.pdfVIP

基于集成学习对医药生物企业财务预警的研究

摘要

随着经济和科技的不断发展，我国卫生健康事业取得了显著的进步。近年来，

因新冠、流感等疾病的蔓延，人们加大对医药生物行业的关注与投资。与此同时，

大量医药生物公司申请IPO，这难免鱼龙混杂，而公司财务又是企业的体检表和

生命线，可以用其判别公司状况的优劣。因此，对医药生物公司财务预警的研究

尤为必要。

首先，本文对中外学者财务预警模型的研究进行了综合论述，把握了理论研

究方法的大体方向，通过前人的研究成果，得出集成学习在该领域的预测模型比

较准确的结论。其次，系统地学习介绍了相应的理论知识，从巨潮资讯和CSMAR

数据库获取上市公司的财务数据，建立了一个涵盖八大方面的财务指标体系，然

后挑选出所需数据集，进行数据探索，并使用K-S检验、Mann-WhitneyU非参

数检验、集成学习算法进行特征选择。随后将整理好的数据样本集进行训练，建

立评价分类模型的标准体系，对比各模型判别效果，得出LightGBM预测准确率

最高为94.87%，但精度、召回率和F1得分这三个指标欠优，经研究发现这主要

是由于正负样本分布不均衡所导致，模型有很大的提升空间。再次，本文探究了

多种处理不平衡数据集的方法，像过采样中的SMOTE、ADASYN，欠采样中的

RUS、ENN，以及二者相结合的SMOTE-ENN，并代入相应数据和模型进行逐一

验证，对比各模型的各指标，得出基于SMOTE-ENN的LightGBM预测效果最

佳，准确率为98.06%，精度为97.46%，召回率为99.14%，F1分数为0.9829，

AUC值为0.9979。

最后，使用SMOTE-ENN-LightGBM模型对近期医药生物企业财务状况进行

预测，并根据预测结果提出相应的企业财务管理、证券市场监管以及个人投资建

议。

关键词：医药生物行业；集成学习算法；不平衡数据处理；财务预警

Abstract

Withthecontinuousdevelopmentofeconomyandtechnology,Chinashealthcare

industryhasmadesignificantprogress.Inrecentyears,duetothespreadofdiseases

suchasCOVID-19andinfluenza,peoplehaveincreasedtheirattentionandinvestment

inthepharmaceuticalandbiotechnologyindustry.Atthesametime,alargenumberof

pharmaceuticalandbiotechcompanieshaveappliedforIPOs,whichinevitablyleads

tomixedquality,andfinancialstatementsarethecheck-upreportandlifelineof

enterprises,whichcanbeusedtodistinguishthestrengthsandweaknessesof

companies.Therefore,researchonfinancialearlywarningofpharmaceuticaland

biotechcompaniesisparticularlynecessary.

Firstly,thisthesiscomprehensivelyreviewstheresearchonfinancialearly

warningmodelsbydomesticandforeignscholars,graspsthegeneraldirectionof

theoreticalresearchmethods,andthroughtheresearchresultsofpredecessors,reaches