如何对企业进行破产预测?交给人工智能!

Emma Chou
准确评估与企业打交道的金融风险能力,对经济和社会都至关重要。在预测破产时尤其如此,因为破产可能导致巨大的财务损失并伤害国民经济。目前,破产预测在商业领域尤为突出。在发表于《专家系统与应用》杂志的研究中,HSE大学商学院教授和学生提出了一种利用机器学习的新方法。

1.png

准确评估与企业打交道的金融风险能力,对经济和社会都至关重要。在预测破产时尤其如此,因为破产可能导致巨大的财务损失并伤害国民经济。

长期以来,企业破产的原因一直是经济学家感兴趣的问题。他们的工作包括对导致企业失败的过程进行经验和理论研究,以便在早期阶段发现问题。关于公司经济业绩指标的数据也被用来开发新的预测方法。

目前,破产预测在商业领域尤为突出。在发表于《专家系统与应用》杂志的研究中,HSE大学商学院教授和学生提出了一种利用机器学习的新方法。

预测一个公司的破产是一种“分类任务”,它涉及到确定一个企业是否属于两个类别之一:那些继续经营的企业和那些在一定时间内破产的企业。

研究中所提出的方法是利用一组关于成功和失败公司的历史数据来进行开发,人工智能是使用一组商业业绩指标进行训练的。然后,它在公司的发展和当前状态中搜索复杂的模式。在对一个特定的公司进行训练后,该方法可用于预测一个企业的未来轨迹,并具有一定的准确性。

这类任务存在信息不平衡的分类问题——从统计学上看,破产是一种罕见的现象(根据现有数据,只有5-10%的公司发生过),而训练集包括更多关于成功公司的信息。机器学习方法没有足够的信息来了解哪些属性集可以导致未来的破产。

研究人员开发了一种对数据不平衡不那么敏感的方法。它涉及训练大量单独的分类算法,然后在这些算法中选择最有效的算法,并将它们结合起来,以达到更高的预测准确性。

研究人员表示,成功建立了一个快速算法,可以使用不平衡的数据进行训练,做出比传统方法更准确的预测。值得注意的是,使用者可以以可视化的形式管理每个类别的预测误差。由于该模型完全基于公司的财务指标,即使在新冠疫情的极端条件下,其结果仍然可靠。

对机器学习方法的兴趣在未来只会继续增长,研究人员认为,在某个时候,它将完全取代传统的企业破产预测方法。同时,这项研究中的方法并不只专注于破产。它可以用于任何种类的涉及不平衡数据的分类任务,目前正在计划其未来的研究和发展。

题为Bankruptcy prediction on the base of the unbalanced data using multi-objective selection of classifiers的相关研究论文发表在《专家系统与应用》上。

THEEND

最新评论(评论仅代表用户观点)

更多
暂无评论