使用機器學習演算法預測企業財務危機

Abstract

相較於過去文獻多追求財務危機預測之最佳模型或是最佳變數組合。本研究探討資料預處理對於建立財務危機預測模型之重要性。透過不同定義之產業別來進行樣本配對，產生配對樣本，以建立財務危機預測模型，比較財務危機預測模型的表現。 研究結果顯示，使用較佳的配對樣本進行訓練，可以提升模型的整體表現，且結果於不同的樣本配對比例、分類模型皆穩固。在五個衡量指標：準確率、召回率、精確率、F1-score、ROC AUC中，新產業所訓練出之模型絕大多數都異於且優於舊產業。此外，隨機森林在除精確率外，其餘的衡量指標皆為最佳的模型。