基于DeepSurv和IML的上市公司财务危机预警研究

本文基于2019~2022年首次被ST的公司及其配对样本建立DeepSurv模型对上市公司财务危机预警展开研究,相较于主流的SVM和BP神经网络模型表现更优。为提高机器学习模型“黑箱”操作的可解释性,使用可解释机器学习从整体和局部两方面解读DeepSurv模型。研究表明:(1)公司应重点关注企业价值、负债、非财务表现和流动资产四个方面;(2)Gscore与有形资产负债率、ROIC与权益乘数、综合杠杆与Gscore、权益乘数与有形资产负债率之间存在交互效应。

深度生存分析在电信客户流失预测中的应用

目前电信行业市场已逐渐趋于饱满,增加新客户极其不易,控制客户流失成为了目前三大运营商最需要解决的问题之一。文章主要基于生存分析与深度学习理论,证明深度学习在生存分析中的应用在预测风险方面表现优于或优于其他生存方法。通过Deep Surv模型,使该模型与基本Cox回归模型在预测后的C指数值进行比较,结果表明加入了深度学习的生存分析相比传统的生存分析模型对电信领域的预测效果更好。