基于机器学习的公司特有风险预测方法研究

公司特有风险是企业价值评估特别是收益法评估的重点和难点。本文基于历史实践案例，从A股重大资产重组公开资料中提取可量化数据，并利用特征工程技术对这些数据进行特征筛选和增强，作为输入特征。经网格搜索方法对超参数进行调优后，选取了多个学习器，对前述特征对应的数据进行集中学习，得出特有风险的预测模型。通过实践发现基于递归特征消除算法的特征选择方法能有效提高预测模型的正确率。希望以“特有风险预测”为案例的研究，展示机器学习的操作流程，为评估模型的构建提供新的尝试。