融合财务报告多维度语义的企业信用风险预测研究——基于碳减排视角  

作　　者：陈湘州[1,2] 龙志 滕熙玉 

机构地区：[1]湖南科技大学商学院,湖南湘潭411199 [2]湖南省战略性新兴产业研究基地,湖南湘潭411201

出　　处：《财会通讯》2024年第20期144-152,共9页Communication of Finance and Accounting

基　　金：国家社会科学基金一般项目“持续调控背景下房地产市场利益分配协调机制及政策研究”(项目编号:13BJY057);国家社会科学基金一般项目“生态产品价值实现超级基金的制度设计与运行机制研究”(项目编号:20B GL201);湖南省社科基金一般项目“‘双碳’目标下的我国企业碳资产价值转化机制研究”(项目编号:22YBA141)阶段性研究成果。

摘　　要：文章以2011—2020年沪深A股制造型企业为例,对财务报告提取10种文本语义指标,采用5种机器学习算法构建企业碳减排信用风险预警模型,探究引入文本语义指标后模型的预测效果变化,并识别出影响企业碳减排信用风险的关键指标。研究发现:财务报告文本语义指标蕴含着碳减排信用风险增量信息。引入该指标可显著提升模型预测效果,如AUC、Type2 Error评估指标的提升幅度、降低幅度分别在1-10%、0-5%;碳减排信用风险预警中整体表现最佳的是RF模型,其次是XGBoost和LightGBM模型,然后是LR模型,最后是SVM模型;影响碳减排信用风险的关键文本语义指标是情感语调。当净语调1、净语调2、创新性、横向相似性、前瞻性指标越大时,模型预测为正常企业的概率越大;当风险性越大时,模型预测为财务困境企业的概率越大。

关 键 词：碳减排信用 制造型企业 财务报告 文本挖掘 可解释机器学习 

分 类 号：X196[环境科学与工程—环境科学] F425[经济管理—产业经济] F406.7X322