LightGBM算法在上市饲料公司财务预警中的应用.pdf
《LightGBM算法在上市饲料公司财务预警中的应用.pdf》由会员分享,可在线阅读,更多相关《LightGBM算法在上市饲料公司财务预警中的应用.pdf(4页珍藏版)》请在咨信网上搜索。
1、NO.172023123问题探讨饲料研究FEEDRESEARCHLightGBM算法在上市饲料公司财务预警中的应用吴展王春晓*(上海海洋大学经济管理学院,上海2 0 130 6)摘要:文章旨在应用LightGBM算法对上市饲料公司财务状况进行预警。文章将LightGBM算法与Z-score模型结合,选取2 0 12 年至2 0 2 1年14家A股饲料上市公司的财务数据计算出Z值,并将得到的Z值作为LightGBM算法的输入,得到最终优化的乙值。结果显示,饲料上市企业整体财务状况良好,风险水平较低,其中债偿能力对公司的财务状况的影响最大,该特征重要性比例为2 7.90%。LightGBM算法优化
2、的Z-score模型的训练集与测试集的R分别为0.915和0.90 3,且均方根误差(RMSE)最低分别为0.7 8 7 和0.7 0 0,误差较小。研究表明,优化的Z-score模型在饲料上市公司财务预警上具有良好的稳定性和应用前景,可为饲料上市公司管理者和投资者防范公司财务风险提供一定的参考。关键词:机器学习;LightGBM算法;Z-score模型;财务预警;饲料上市公司中图分类号:S8-9文献标识码:A文章编号:10 0 2-2 8 13(2 0 2 3)17-0 12 3-0 4Doi:10.13557/ki.issn1002-2813.2023.17.024Application
3、of LightGBM algorithm in financial warning of listed feed companiesWU ZhanWANG Chun-xiaoAbstract:The article was to apply the LightGBM algorithm to provide early warning on financial situation of listed feedcompanies,combining LightGBM algorithm with Z-score model.The financial data of 14 A-share li
4、sted feed companiesfrom 2012 to 2021 were selected to calculate the Z-values,and the obtained Z-values were used as input to LightGBMalgorithm to obtain final optimised Z-values.The results showed that the overall financial position of listed feedcompanies was good and the level of risk was low,with
5、 debt servicing capacity having the greatest impact on thecompanys financial position,with the proportion of importance of this characteristic being 27.90%.The LightGBMalgorithm optimised Z-score model had an R of 0.915 and 0.903 for training and test sets respectively in terms ofaccuracy,and the lo
6、west root mean square error(RMSE)of 0.787 and 0.700 errors respectively were smaller.The paperindicates that the optimised Z-score model has good stability and application prospects in financial early warning of listedfeed companies,and can provide some reference value for listed feed company manage
7、rs and investors to preventcorporate financial risks.Key words:machine learning;LightGBM algorithm;Z-score model;financial early warning;listed feed companies近年来,在国内外复杂多变的客观环境下,饲料产业链面临诸多风险,饲料企业需要走高质量发展路径获得竞争优势,提高综合实力。因此,为保障上市饲料企业的高质量发展,对其财务危机管控和及时监测可以对上市公司的财务状况进行全面的评价,及时预测公司的财务风险,有效地防止公司的危机,从而提高公司化解
8、风险的能力,保护投资者和债权人的利益,维护公司高质量发展。财务预警模型包括单变量模型和多变量模型等2-3。随着人工智能算法的不断更新与发展,更多学者选择使用机器学习算法构建财务风险预警模型4-7 。目前,许多学者为全面衡量上市公司财务风险,采用多变第一作者:吴展,硕士,研究方向为农业经济、自动化技术。通信作者:王春晓,博士,副教授,硕士生导师。收稿日期:2 0 2 3-0 1-2 9量预测模型中具有较强代表性的Z-score预警模型。蔡兴林等18 借助Z-score模型对体育用品上市公司的整体财务状况进行风险评估,发现部分体育用品上市公司财务状况不稳定,存在一定的风险。Sharma等9运用以2
9、 0 17 年印度储备银行违约者名单上的19家公司为例,运用Z-score模型预测其违约风险,表明Z-score模型预测违约概率方面准确。李静0 发现,Z-score模型适用于我国股票市场ST上市公司的财务风险预警,且预警效果显著。但传统Z-score模型的财务预警能力不足,无法精准判定上市公司的财务风险状况。因此,需要对Z-score模型进行改进,探讨改进后模型的财务风险预警效果。王蕙2 在衡量银行体系稳定性时,对Z-score法进行了改进,将风险因素纳入测度过程中。雷艳丽等113提出了一种基于SOA算法优化的Z-score模型,发现改进的Z-score模型的财务风险预警效果良好。Light
10、GBM是一MNO.172023饲料研究FEEDRESEARCH124问题探讨种先进的机器学习算法,其采用直方图算法和具有深度限制的Leafwise策略提高模型的精度和防止过拟合。Wang等41建立LightGBM模型对18 6 家企业的融资风险概况进行预测,表明LightGBM具有更好的预测效果,可以作为预测企业融资风险的有效工具。但鲜有学者将LightGBM算法与Z-score模型结合。为提高财务风险预警水平,本文将LightGBM算法与Z-score模型结合,选取2 0 12 年至2 0 2 1年14家A股饲料上市公司的财务数据计算出Z值,并将得到的Z值作为LightGBM算法的输入,得到
11、最终优化的乙值,为上市饲料公司管理者和投资者防范公司财务风险提供一定的参考。1试验方法1.1Z-score模型为了更好地应对与防范公司的风险,美国纽约大学教授EdwardAltma提出了Z值模型15。根据通过建立Z-Score财务预警模型,可分析出上市公司的风险概况Z=1.2X,+1.4X,+3.3X,+0.6X4+1.0X,(1)式中:Z为Z-Score模型的得分,XiI、X z、X、X 4、X,分别从5个方面衡量了公司的财务情况。其中,X变量反映的是资产的变现能力和规模特征;X,反映的是公司的保留盈余的能力;X,反映公司资产的盈利能力;X4是衡量了一家公司的偿债能力;X,用来衡量公司利用资
12、产的效率情况。5个Z值模型的指标变量解释见表1。当计算出的Z值小于等于1.8 10 时,表明企业存在财务困境具有很大的破产风险;当Z值介于1.8 10 2.6 7 5,表明企业财务状况不稳定;当Z值2.6 7 5时,表明企业经营状况良好,财务风险小。表15个乙值模型的指标变量解释项目指标计算公式X营运资金/资产总额X2保留盈余/资产总额X息税前净利润/资产总额X4股东权益市值/总负债的账面价值额X销售金额/资产总额1.2LightGBM原理及优势LightGBM是GBDT类模型中的一种高效算法,梯度提升决策树(GBDT)模型是提升算法(Boosting)的一种,以CART决策树作为基学习器的集
13、成模型,采用加法模型和前向分布算法来完成学习优化的过程0 。GBDT回归算法基本流程为7:输入:训练集Data=(Xi,yi),(X2,y2),(Xn,yn),基学习器数量以及损失函数。(1)初始化估计一个使损失函数极小化的常数值c,此时构建了只有一个根节点的树。(2)对样本i=1,2,n,计算损失函数的负梯度并作为残差的估计值。(3)将每个叶子节点的Rk上使损失函数最小的最佳拟合值C求和,从而得到第t棵树模型对本轮损失的估计值h(x,)18)Oh(x,)-Ek-,CuI(xeRk)(2)(4)进行更新迭代,得到最终的强学习器。为解决GBDT模型构造子模型,选取最优分割点非常耗时的问题19,L
14、ightGBM算法将连续的浮点特征离散成k个离散值,并构造宽度为k的直方图。之后遍历训练数据,计算每个离散值在直方图中的累计统计量。在进行特征选择时,只需要根据直方图的离散值,遍历寻找最优的分割点2 0-2 1 2上市饲料公司预警分析及数据来源2.1上市饲料公司样本选取与数据来源为确保本次研究结果真实有效,选取2 0 12 年至2021年持续经营10 年及以上,且2 0 2 1年饲料产品收入占总营业收入的10%以上的上市公司,所选的14家饲料公司的饲料产品营业收入及占比见表2。本研究中,样本公司财务数据来自国泰安CSMAR数据库和同花顺网站,其余部分数据来源于饲料上市公司年报。最终基于时间一致
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- LightGBM 算法 上市 饲料 公司财务 预警 中的 应用
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。