企業(yè)融資結(jié)構(gòu)錯配和經(jīng)營內(nèi)外部環(huán)境的變化,會提高企業(yè)發(fā)生融資風險的概率。在供給側(cè)結(jié)構(gòu)性改革的背景下,對企業(yè)的融資風險進行有效監(jiān)控已成為"去杠桿"的核心目標。以2009～2018年A股信息設(shè)備制造業(yè)上市公司為樣本,以梯度提升算法構(gòu)建融資風險預警模型,通過融資期限、融資結(jié)構(gòu)、營運能力、市場因素、公司治理和審計師特征維度對融資風險進行預警監(jiān)控研究。研究運用梯度提升算法加入財務(wù)和非財務(wù)指標,提升了融資風險預警的準確性;得出融資風險預警指標影響融資風險的相對重要性程度得分,為針對性地制定化解融資風險的對策提供了依據(jù)。 

【文章來源】：財會月刊. 2020,(14)北大核心

【文章頁數(shù)】：8 頁

【部分圖文】：

融資風險預警監(jiān)控流程

本研究利用訓練樣本企業(yè)被ST前1～3年的數(shù)據(jù)對梯度提升算法模型進行訓練，并將2018、2017和2016年的數(shù)據(jù)代入模型中來預測2019年信息設(shè)備制造業(yè)企業(yè)的融資風險。為了驗證指標的多樣性提升了梯度提升算法模型融資風險預警的準確性，本文構(gòu)建了三組模型。模型（1）包含傳統(tǒng)的融資風險預警指標，分別為融資期限指標和融資結(jié)構(gòu)指標；模型（2）在模型（1）的基礎(chǔ)上添加了營運能力指標和市場因素指標；模型（3）在模型（2）的基礎(chǔ)上添加了公司治理指標和審計師特征指標。為了提升對融資風險預警效果顯示的直觀性，模型預警的準確度用AUC值來度量。AUC是一種用來度量分類模型好壞的標準，是ROC曲線下方的面積。圖2從右下到左上，分別為模型（1）～模型（3）的ROC曲線。將模型（1）～模型（3）的預警結(jié)果轉(zhuǎn)化成AUC值，如表3所示。

【參考文獻】：
期刊論文
[1]企業(yè)融資風險控制的應(yīng)用研究[J]. 張修普.  中國商論. 2019(01)
[2]企業(yè)融資風險分析——以樂視為例[J]. 羅兆希.  商業(yè)經(jīng)濟. 2018(12)
[3]家族控制權(quán)會加劇企業(yè)資金期限結(jié)構(gòu)錯配嗎?——來自中國非國有上市公司的經(jīng)驗證據(jù)[J]. 鐘凱,劉金釗,王化成.  會計與經(jīng)濟研究. 2018(02)
[4]債務(wù)融資方式對行業(yè)金融風險溢出效應(yīng)的作用機制[J]. 朱波,馬永談,陳德然.  財經(jīng)科學. 2018(01)
[5]貨幣政策適度水平與企業(yè)“短貸長投”之謎[J]. 鐘凱,程小可,張偉華.  管理世界. 2016(03)
[6]基于貨幣政策景氣指數(shù)的行業(yè)融資風險預警定位研究[J]. 李思呈,張友棠,李娜.  管理現(xiàn)代化. 2016(01)
[7]企業(yè)負債融資風險管理存在的問題及對策[J]. 李九妮.  山西財經(jīng)大學學報. 2015(S2)
[8]債務(wù)期限結(jié)構(gòu)與企業(yè)投資關(guān)系——基于流動性風險視角的實證研究[J]. 胡啟明,馬如飛,王國順.  系統(tǒng)工程. 2015(04)
[9]經(jīng)濟危機、信用風險傳染與營運資金融資結(jié)構(gòu)——基于外向型電子信息產(chǎn)業(yè)上市公司的實證研究[J]. 王貞潔,王竹泉.  中國工業(yè)經(jīng)濟. 2013(11)
[10]我國制造業(yè)上市公司信用風險度量:基于KMV模型[J]. 趙吉紅,謝守紅.  財會月刊. 2011(30)



本文編號：3093090