科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着国有资本和社会资本交叉融合的国企改革不断深入，国企并购重组业务不断涌现，然而很多国企由于盲目而导致并购未能完成。本文探索融合多种影响因素数据，利用随机森林算法构建国企并购完成率预测模型。设计影响国企并购完成率评价体系，应用Python爬取网页和文本数据，运用Logistic回归分析影响并购完成率的相关因素，基于随机森林算法构建国企并购完成率预测模型，将结果与4种经典机器学习模型作对比实验以评价预测效果。结果表明：并购以现金结算、出让方为非上市公司、非重大资产收购更加有利于提高并购完成率；买方支付净资产比、买方支付净利润比、结算方式对于并购完成率的预测更加重要和有效；预测结果精确度为86%(F值)和87%(AUC值)。基于随机森林算法的预测结果在所有模型中表现最优，具有更强的鲁棒性和适用性。本研究丰富了人工智能算法在并购重组领域的运用，为早防范、早发现、早干预，从而使国企更有效地开展并购活动提供了实践帮助。
-
单位清华大学; 华夏银行; 金融学院
