.png){kind=icon}
返回
Predicting Financial Distress Using Machine Learning Techniques
.png){kind=icon}
PRE
AI
DOI：10.1007/s10690-025-09525-7.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
未来的破产将导致重大损失，应努力减少并提前预防此类损失。潜在破产和未来破产的潜在误分类可被视为审计失败。为不同用户（包括投资者、审计师、债权人及监管机构）预测破产至关重要。其他研究已考虑了各种预测模型，本研究则纳入了随机森林、人工神经网络（ANN）和逻辑回归等多种技术。预测财务困境的主要原因在于，这将有助于确保决策过程的一致性得到提升。本研究考察了自2016年成立以来，由NCLT宣布清盘和重组的1111家公司。其中，342家公司的重组计划自2017年至2018年至2023年12月获得批准，而769家公司被清盘。所选公司的财务信息考虑了过去五年的数据，并运用机器学习（随机森林、人工神经网络）和传统模型（逻辑回归）来预测公司结局（以破产或重组衡量）及其各自准确度。研究首先表明，机器学习模型的预测准确度优于统计模型。其次，模型的预测准确度在财务困境年/事件附近最高；随着时间远离清盘/重组年份，准确度会下降。第三，财务变量和公司特定特征比仅基于经济参数评估公司具有更高的精度和准确度。
Keyword:
Financial distress
Liquidation
Machine learning
Prediction
Restructuring
期刊
IF:
2.6
论文数:
139
被引数:
501
机构
引用论文
.png){kind=icon}
分享收藏The Relevance of Financial Reporting on the Performance of Quoted Romanian Companies in the Context of Adopting the IFRS在采用IFRS的背景下，财务报告对罗马尼亚上市公司的绩效的相关性。
OAAI
OAAI分享收藏Using Machine Learning Methods in Financial Distress Prediction: Sample of Small and Medium Sized Enterprises Operating in Turkey利用机器学习方法进行财务困境预测：土耳其运营中小企业的样本
OAAI
OAAI分享收藏
查看更多内容