Finanzielle Frühwarnzeichen für chinesische Unternehmen aus der Perspektive systemischer Risiken: Basierend auf dem adaptiven gewichteten XGBoost-Bagging-Modell

Diese Arbeit zielt darauf ab, das Problem der niedrigen Genauigkeit bei der Vorhersage finanzieller Notlagen in chinesischen Industrieunternehmen zu beheben, das auf Datenungleichgewicht und unzureichende Informationen zurückzuführen ist. Sie nutzt annualisierte Daten zu systemischen Risikoindikatoren und finanziellen Kennzahlen von chinesischen Industrieunternehmen, die zwischen 2008 und 2022 am chinesischen A-Aktienmarkt gelistet sind, um das adaptive gewichtete XGBoost-Bagging-Modell zur Vorhersage finanzieller Notlagen zu erstellen. Empirische Ergebnisse zeigen, dass systemische Risikoindikatoren ein prädiktives Potenzial unabhängig von traditionellen Finanzinformationen besitzen, was sie zu wertvollen nicht-finanziellen Frühwarnindikatoren für den industriellen Sektor Chinas macht; zudem tragen sie zur Verbesserung der Vorhersagegenauigkeit verschiedener Vergleichsmodelle bei. Das adaptive gewichtete XGBoost-Bagging-Modell, das systemische Risikoindikatoren integriert, adressiert effektiv die Herausforderungen, die sich aus Datenungleichgewicht und Informationsmangel ergeben, und verbessert signifikant die Genauigkeit der Vorhersage finanzieller Notlagen in chinesischen Industrieunternehmen während des chinesischen Börsencrashs von 2015, der Sino-US-Handelskonflikte und der COVID-19-Pandemie; daher kann es als effizientes Risikofrühwarninstrument für den industriellen Sektor Chinas verwendet werden.