险境淘金:基于并购重组事件挖掘的财务脱困预测

作者：江俊毅; 蒋洪迅^*

来源：系统工程学报, 2022, 37(02): 161-177.

DOI：10.13383/j.cnki.jse.2022.02.002

• 财务困境
• 预测模型
• 管理层讨论与分析
• 并购重组

针对我国上市企业财务困境预测问题,构造了一个多分类器集成学习模型,挖掘企业并购重组事件(mergers and acquisitions, M&A)以及年报中管理层讨论与分析(management discussion and analysis, MD&A),应用文本分析技术研究其能否提供增量信息,以及新特征的信息价值.研究结果表明,新模型在预测准确度(area under curve, AUC)与识别能力(true positive rate, TPR)上均显著优于基准模型;企业财务数据、M&A, MD&A等的多源异构特征,都帮助该模型获得更佳的预测效果;基于MD&A的文本情感挖掘发现,管理层语调越消极悲观,其企业越易于陷入财务困境;频繁发生M&A事件更易使企业趋于陷入财务困境; MD&A中语调夸大将不利于模型预测的准确性,但大规模M&A会削弱这种消极作用.

• 单位
  中国人民大学