科研之友
微信
新浪微博
Facebook
分享链接
摘要
现有的财务困境预测研究大多忽略了公司在年度财务报告中以文本形式披露的风险信息，而相比于公司披露的其他类型的文本，这些风险信息能够更加直接和前瞻地反映公司经营中的潜在重要风险。创新性地引入财务报告中的文本风险信息进行财务困境预测，并构建了能够反映所披露的风险对公司产生影响的可能性的文本特征指标——风险可能性，而后采用机器学习方法构建预测模型。基于2006～2020年美国35 706个上市公司年度样本的实证研究发现：在常用的财务及市场各类定量指标的基础上，融合财务报告中的文本风险信息能够显著提升公司财务困境的预测效果；相比于其他常用文本特征指标，本研究提出的风险可能性指标在财务困境预测中表现的重要度最高；定量指标的财务困境预测能力随着预测时间窗口的提前而明显下降，而文本风险信息的预测能力不仅没有下降，还呈现出了更为显著的提升效果。本研究可以帮助市场投资者、监管机构理解如何解读公司在财务报告中披露的文本风险信息，并为实现财务困境预测中融合文本信息提供了理论指导。
- 出版日期2022
- 单位中国科学院大学; 中国科学院科技战略咨询研究院
