基于文本信息的企业信用风险预测

以2018-2020年发生信用风险的25家上市公司与未发生信用风险的53家上市公司为总样本,运用文本数据挖掘法对年报中的语调识别和量化,并将量化后的语调与财务数据通过BP神经网络模型进行风险预测。结果表明:发生信用风险的企业语调偏消极,且在传统财务指标之上,加入语调指标可以提高模型识别的准确率。研究发现,在对违约企业信用风险预测时加入语调,预测失败率由原先62.5%降低至24%,说明违约企业信用风险预测精准度对语调指标较为敏感。