基于DeepSurv和IML的上市公司财务危机预警研究

本文基于2019～2022年首次被ST的公司及其配对样本建立DeepSurv模型对上市公司财务危机预警展开研究，相较于主流的SVM和BP神经网络模型表现更优。为提高机器学习模型“黑箱”操作的可解释性，使用可解释机器学习从整体和局部两方面解读DeepSurv模型。研究表明：（1）公司应重点关注企业价值、负债、非财务表现和流动资产四个方面；（2）Gscore与有形资产负债率、ROIC与权益乘数、综合杠杆与Gscore、权益乘数与有形资产负债率之间存在交互效应。