企业财务困境预测流程

企业财务困境预测流程：确定模型样本数据范围、确定模型的变量指标、数据预处理、模型构建、预测。

• 确定模型样本数据范围
  • ST样本数据
    • 根据本项目案例背景，ST样本数据是指2003年1月1日至2019年12月31日(17年) 期间沪深两市A股被“ST"或“*ST"的上市公司。我们通过大数据技术在证券交易 所采集到相关数据信息，并对采集到的数据进行数据预处理。
• 确定模型的变量指标
  • 待选变量
    • 确定了样本数据之后，我们需要确定相关的财务指标数据作为我们的待选变量，用以决定使用哪些数据指标来预测公司被“ST"或“*ST"的可能性。合理的财务指标选取是构建一一个成熟的财务预警模型的关键。
    • 在2003年1月1日至2019年12月31日期间,结合本项目案例，我们选择能够综合反映上市公司的偿债能力、盈利能力、营运能力、成长能力方面的变量因素,结合上市公司第一大股东持 股比例及公司规模等因素,作为模型中的待选变量。
• 根据项目任务背景,利用大数据技术，采集所需数据。
• 数据预处理
  • 将样本数据与变量指标做数据预处理
    • 将采集到的样本数据与变量指标做数据预处理，包含多表合并、空值填补，最终形成一张完整 的数据表供建模使用。
• 模型构建
  • 分类介绍
    • 监督学习
      • 监督学习是机器学习中的一种训练方式/学习方式，其中输入值与输出值已知，算法学习映射函数，即f,使得Y=f(X)。
      • 利用算法找到特征向量与标签之间的映射关系，建立模型。再利用未参与建立模型的测试集 ,检验模型的好坏。所提供的训练数据采用标签格式，即学习算法之前就已经知道算法的输出(y)。
    • 分类
      • 分类是找出描述和区分数据标签或概念的模型，我们用已知的数据标签建立模型，用模型预测未知数据，以此来判断未知数据的标签。
      • 分类属于监督学习，是一种重要的数据分形式，通过对已有数据集(也称为训练集，这里数据集的类别是已知)的学习，得到一个目标函数f(模型、分类器)，利用模型对标号未知的对象进行分类。
    • 分类流程
    • 分类算法
  • 逻辑回归模型介绍
    • 逻辑回归模型的引入
      • 逻辑回归算法被引入财务风险预测研究之后，财务危机预测即简化为已知一家公司具有某些财务特征，而计算其在一段时间内陷入财务危机的概率问题。如果算出的概率大于设定的分割点，则判定该公司将陷入财务风险。
    • 什么是逻辑回归
      • 逻辑回归就是在线性回归中在特征到结果的映射中加入了一层函数映射，将位 于(-∞， ∞)之间的数值映射成概率值(0,1) 区间。
      • 逻辑函数也称Sigmoid函数,就是我们需要用到的映射函数;逻辑函数是先把特征线性求和，然后使用逻辑函数g(z)作为假设函数来预测
      • 逻辑函数g(z)可以将连续值映射到0到1之间，从函数图上可以看出，函数y=g(z)在 z=0的时候取值为1/2，而随着z逐渐变小，函数值趋于0，z逐渐变大的同时函数值逐渐趋于1，而这正是一个概率的范围。
• 优质数据源是建模与分析的重 要组成部分，此处数据预处理 工作尤为重要!
• 预测
  • 将预测数据带入模型，预测企业未来是否会陷入财务困境的可能性
  • 依据模型，修改模型参数， 预测不同企业数据。
• 企业财务困境预测流程