摘要
科创板是我国证券市场上新兴的板块，其上市公司主要从事高新技术和战略性新兴产业的研发和生产。这些公司都具有很好的发展潜力与发展前景，但也将会面临着较高的风险，特别是财务风险值得关注，因此需要对其财务风险进行预警和防范。另外，注册制下的信息披露制度更加完善，各种文本信息也愈来愈丰富，所以引入文本特征信息可以构建全面的财务预警指标体系，优化模型性能。 本文以2021~2022年期间新增的82家ST公司及相对应的246家科创板非ST公司为研究对象，并选取2019~2020年的财务数据作为数据样本。运用文本挖掘技术将文本特征指标提取，并纳入财务风险预警模型中，旨在研究文本特征指标对科创板上市公司财务风险预警模型的影响和作用，同时比较XGBoost、贝叶斯网络和LSTM模型与Logistic、ANN经典模型之间的预测精确度，以探索适用于科创板上市公司的财务预警模型。 本文对实证结果进行分析，得到如下结论：第一，运用Kolmogorov-Smirnov检验和Mann-Whitney U检验对财务预警指标体系进行显著性检验时发现，科创板财务预警中，贡献比较大的是盈利能力指标，其次是成长能力指标。第二，分别引入纯财务指标与文本特征指标构建模型时，通过对比Logistic模型、ANN模型、XGBoost模型、贝叶斯网络模型与LSTM模型的AUC值与F1-score值发现，加入文本特征指标时五个模型的AUC值与F1-score值均得到了很大的提升；同时对财务预警指标体系进行特征重要性分析，结果显示构建的文本特征指标投资者评论(F3)对科创板上市公司财务预警的影响最大。而在五个模型中，XGBoost模型和贝叶斯网络模型的预测结果较稳定，预测精确度更高。
NETL