1 论文标题：基于XGBoost算法的上市公司财务风险预警研究

2 作者信息：朱顺泉：广州华商学院数字金融学院，广东 广州

3 出处和链接：朱顺泉. 基于XGBoost算法的上市公司财务风险预警研究[J]. 金融, 2025, 15(2): 415-422. https://doi.org/10.12677/fin.2025.152043

4 摘要：在当今的大数据和人工智能时代，机器学习在企业财务预警领域应用是热门的话题，而XGBoost算法是最重要的机器学习方法之一。论文在回顾上市公司财务预警相关研究的基础上，由于传统统计方法、神经网络法、决策树和GBDT算法在财务预警方面存在运行效率低、计算速度慢、学习效率低、缺乏交叉验证、过拟合、无自动筛选、预测精度低等方面的问题，提出基于机器学习的XGBoost算法建立了中国上市公司的财务预警模型。结果发现：XGBoost算法对中国上市公司的财务预警有较好的识别，具有广泛的适用性和推广价值。论文丰富了传统的公司财务预警方法，提供了公司财务预警的新思路。