2020/06/02
文字探勘相關研究
黃昱軒研究生 論文
論文題目：以機器學習建構包含文字資訊之企業財務危機預測模型
研究生：黃昱軒
論文出版年: 2019
論文頁數：52頁
關鍵詞：財務危機、機器學習、文字探勘、羅吉斯迴歸、類神經網路、隨機森林、極限梯度提升、支援向量機、搜尋量指數
論文摘要：
過去許多企業因為金融海嘯或公司管理不當，使得其面臨破產問題甚至倒閉。而先前有關財務危機預測的研究多半侷限於單一的預測模型與變數型態，其缺點為無法觀察多面向因素對公司所隱含的財務危機訊息。本文利用多種機器學習模型，建構包含財務比率、新聞文字及網路搜尋量等多面向變數之財務危機預測模型，分析在不同模型、變數及時點下的財務危機預測能力。研究結果顯示在危機發生前一年、前第一季、前第二季及前第三季加入新聞關鍵詞皆能提升預測準確率；同時加入新聞關鍵字及網路搜尋量，其預測準確率提升幅度最大，型一誤差及危機錯判率的降低幅度也最大；其中以極限梯度提升(XGBoost)模型預測危機發生前第一季的變數組合四(財務結構比率、新聞關鍵詞、異常搜尋量指標)，其預測準確率(85.09%)為全部組合中最高，適合作為財務危機預測最適模型。
本研究發現以機器學習演算法，結合公司面的財務結構比率、市場面的新聞關鍵字及隱含投資人情緒的網路搜尋指標建構之財務危機預測模型，其預測準確率提升幅度最大，顯示機器學習演算法能夠從多面向變數中挖掘有價值之訊息，進而有效提升財務危機預測能力。