摘要
随着我国资本市场的迅速发展，上市公司占据着越来越重要的地位，同时，企业面临的竞争日益激烈。对于企业的投资者和经营者来说，研究企业的财务状况有助于企业了解当前经营状况并及时调整策略，极大的减小了破产的可能性。本文在综合国内外学者研究的基础上，运用不同方法构建了财务预警模型并对我国A股上市公司的财务状况进行分析和预测。 首先，本文明确了研究方法和内容，同时对财务困境领域的相关研究文献进行了系统梳理，探讨了财务风险和财务危机的定义以及成因。接着以1:3的比例从A股上市公司中选取了2020-2022年75个ST上市公司和配对的225个非ST上市公司作为研究样本，并选取了上市公司T-3年（2017-2019）的40个财务指标，它们反映了公司7个方面的能力包括：经营能力、盈利能力、发展能力、偿债能力、现金流能力、每股指标和比率结构。在处理缺失数据后，对财务指标进行K-S正态性检验，对通过显著性检验的财务指标进行T检验，对其余指标进行Mann-WhitneyU非参数检验，最终筛选出了26个在ST和非ST上市公司之间表现差异明显的财务指标；在此基础上，利用递归特征法对指标进行降维，根据变量重要性程度最终选取了19个二级财务预警指标用于构建模型。 在模型构建与评估阶段，本文通过SMOTE算法对不平衡数据处理，将原始数据和平衡数据分为训练集和测试集，分别建立随机森林、XGBoost、神经网络和支持向量机模型，使用精确率、准确度、召回率、F1值和AUC值这五个指标来评估模型的好坏，结果表示SMOTE处理过后的样本集可以显著提升财务预警模型对样本数据的识别能力。接着从平衡数据所建模型中找到表现最好的三个模型，利用Stacking集成算法进行模型的融合，将融合后的模型与之前所建模型进行对比，发现Stacking融合模型为最优的财务危机预警模型，进一步证明了本文所用的多种方法在上市公司财务危机预警研究中的适用性。最后，对财务危机模型进行总结，并针对上市公司的财务危机情况提出可靠性建议，同时总结了论文不足之处。
NETL