新冠疫情显著加剧了中国制造业面临的财务困境风险。本文旨在研究疫情后时期中国制造业上市公司财务困境的预测问题。综合运用传统统计模型与机器学习方法,基于2020年至2024年16,768条年度数据构建财务风险预测模型。通过15种传统与机器学习研究模型比较,CatBoost模型性能最佳。基于CatBoost模型在测试集上的预测结果进行,并引入可解释人工智能(XAI)技术,利用SHAP与LIME相结合分析疫情后时期中国制造业上市公司财务困境的预测关键特征。尤其是SHAP方法,从变量贡献度角度揭示各财务指标在模型预测过程中的作用。研究结果表明,净资产收益率、毛利率、净利润率、销售期间费用率、库存周转率是疫情后时期中国制造业上市公司财务困境的核心特征变量。本研究不仅推动了XAI在财务风险建模中的应用,也为在后疫情背景下识别制造业困境企业提供了实用工具与理论支持。
关键词:可解释人工智能(XAI), 财务困境, 机器学习, 中国制造业上市公司, 人工智能
|