加载中...
本文将经典Altman破产预测模型与成分数据(CoDa)方法论结合,使用成对对数比(pairwise log-ratios, plr)构建特征,并在Logistic回归、k-NN与随机森林三种分类器上比较标准财务比率与成分比率的预测能力,样本为西班牙批发业的31,131家公司(97家破产),训练集下采样至1:1并保留全部验证集,结果显示成分方法在敏感度上显著优于标准比率,且成分随机森林与成分Logit在平衡准确度上表现最佳
| Prediction method | Accuracy | Sensitivity | Specificity | Balanced accuracy |
|---|---|---|---|---|
| Logistic regression (standard) | 66 % | 82 % | 66 % | 74 % |
| Logistic regression (compositional) | 67 % | 86 % | 67 % | 76 % |
| k-nearest neighbours (standard) | 70 % | 75 % | 70 % | 73 % |
| k-nearest neighbours (compositional) | 58 % | 89 % | 58 % | 74 % |
| Random forests (standard) | 62 % | 75 % | 62 % | 68 % |
| Random forests (compositional) | 65 % | 89 % | 65 % | 77 % |
元数据与概览(引言与报告概览)
逐节深度解读
图表深度解读(重点)
结果细读与关键发现(Results)
估值分析(报告中缺失)
风险因素评估
批判性视角与细微差别
结论性综合
结语(方法学与可复现性)
(注:本文对报告中所有重要论点、表格与图形均逐一逐项解读并在相关句末标注了原文页码以便溯源。)
2603.24215.pdf