农业类上市公司信用风险评估研究
本文通过建立农业类上市公司信用风险指标体系,选取2020年48家农林牧渔上市公司的财务数据,通过标准化和SMOTE过采样处理,利用决策树、随机森林和XGBoost 3种机器学习算法构建农业类上市公司信用风险评估模型,通过实证分析发现,3种算法的准确率均在90%以上,都能有效评估农业类上市公司信用风险.其中基于XGBoost算法的农业类上市公司信用风险评估模型是最好的,准确率高达97.62%.
农业类上市公司、信用风险、XGBoost
42
S-9(农业经济)
国家社会科学基金Copula;18XTJ004
2022-11-22(万方平台首次上网日期,不代表论文的发表时间)
共4页
138-141