文献类型：期刊文章

作　　者：王言[1] 周绍妮[1] 石凯[2]

WANG Yan;ZHOU Shaoni;SHI Kai(School of Economics and Management, Beijing Jiaotong University, Beijing 100044,China;School of Computer, Beijing University of Posts and Telecommunications, Beijing 100876, China)

机构地区：[1]北京交通大学经济管理学院中国企业兼并重组研究中心,北京100044 [2]北京邮电大学计算机学院,北京100876

出　　处：《大连理工大学学报（社会科学版）》

基　　金：国家社会科学基金项目“基于混合所有制改革动因的竞争性国企股权重组有效性研究”(17BGL074);教育部人文社会科学基金项目“机构投资者、国企并购行为与并购绩效”(16YJA630079)。

年　　份：2021

卷　　号：42

期　　号：3

起止页码：46-57

语　　种：中文

收录情况：BDHX、BDHX2020、CSSCI、CSSCI2021_2022、NSSD、RCCSE、RWSKHX、核心刊

摘　　要：随着国企混合所有制改革的不断深入,出现了大量国企并购行为,然而很多国企由于盲目并购而导致并购绩效不佳。为了使国企更好地开展并购活动,对并购风险预警是十分重要和必要的,直接关系到并购双方的利益,甚至影响国企改革的成效。通过设计影响国有上市公司并购风险指标评价体系,利用Python爬取网页和文本数据,应用机器学习XGBoost算法构建预警模型实现风险的计量、监测、预警和管理,并将结果与其他经典模型作对比实验以评价预警效果,最后运用多元线性回归模型研究并购风险显著性因素。实证结果表明,基于XGBoost算法的预测结果精确度为80%,在所有模型中表现最优,具有更强的可靠性和适用性;投入资本回报率、营业利润率、支付对价净利润比对于并购风险的预测更加重要和有效;总资产周转率、投入资本回报率、股权制衡度、审计质量更加有利于抑制并购风险。

关 键 词：国有企业 并购风险预警  影响因素 数据挖掘 XGBoost算法  

分 类 号：TP181] F275]