企业会不会“爆雷”?用 Python 提前识别财务危机风险

一、案例简介

企业财务风险分析，最麻烦的地方往往不是看懂某一个指标，而是同时处理几十个指标。资产负债率偏高可能意味着偿债压力，但如果企业现金流充足，也未必会陷入危机；利润下降可能只是短期波动，也可能是经营恶化的信号。

单独依靠某一项财务指标，很难准确判断企业是否存在风险。因此，这套案例把企业风险预警转化为一个机器学习分类问题：

企业财务数据    ↓数据清洗与变量构造    ↓划分训练集和测试集    ↓逻辑回归、随机森林、XGBoost    ↓计算财务危机概率    ↓生成企业风险预警名单

1. 研究问题

案例主要回答三个问题：

1. 1. 哪些企业更可能出现财务危机？
2. 2. 哪些财务指标对风险预警最重要？
3. 3. 不同机器学习模型的预测能力有何差异？

2. 风险定义

将企业是否发生财务危机设置为二分类变量：

模型最终输出的不是简单的“正常”或“危机”，而是每家企业发生财务危机的预测概率。

3. 数据结构

案例数据包含3,200条企业观测，财务危机企业占比约20%。主要变量如下：

二、代码思路

1. 数据预处理

首先处理缺失值和异常值，再将样本按照80%和20%的比例划分为训练集与测试集。

由于正常企业数量通常远多于危机企业，划分时需要使用分层抽样，保证两个数据集中危机企业的占比基本一致。

2. 建立三个模型

案例同时训练三种模型：

• • 逻辑回归：结构清晰，适合作为基准模型；
• • 随机森林：能够识别非线性关系和变量交互；
• • XGBoost：通过逐步修正预测误差，提高风险识别能力。

3. 评价模型效果

企业财务风险预警不能只看准确率。假设100家企业中只有10家出现危机，即使模型将全部企业预测为正常，准确率也能达到90%，但这个模型没有识别出任何真正的风险企业。

因此，案例重点使用以下指标：

对于风险预警任务，Recall和AUC通常比单纯的准确率更加重要。

4. 输出风险名单

模型训练完成后，为每家企业计算财务危机概率，并划分风险等级：

三、核心代码

1. 读取企业数据

import pandas as pddata = pd.read_csv(    "data/enterprise_financial_data.csv",    encoding="utf-8-sig")feature_columns = [    "debt_ratio",    "current_ratio",    "cashflow_ratio",    "roa",    "revenue_growth",    "receivable_turnover",    "firm_size",    "firm_age",    "ownership_concentration"]X = data[feature_columns]y = data["financial_distress"]

代码从CSV文件读取企业财务指标，并将financial_distress设置为预测目标。

2. 处理缺失值

from sklearn.impute import SimpleImputerimputer = SimpleImputer(strategy="median")X_imputed = pd.DataFrame(    imputer.fit_transform(X),    columns=feature_columns)

这里使用中位数填补缺失值。相比均值，中位数对极端财务数据更加稳健。

3. 划分训练集与测试集

from sklearn.model_selection import train_test_splitX_train, X_test, y_train, y_test = train_test_split(    X_imputed,    y,    test_size=0.2,    random_state=42,    stratify=y)

stratify=y表示分层抽样，避免训练集和测试集中的危机企业比例相差过大。

4. 训练逻辑回归

from sklearn.pipeline import Pipelinefrom sklearn.preprocessing import StandardScalerfrom sklearn.linear_model import LogisticRegressionlogistic_model = Pipeline([    ("scaler", StandardScaler()),    ("model", LogisticRegression(        class_weight="balanced",        max_iter=1000,        random_state=42    ))])logistic_model.fit(X_train, y_train)

class_weight="balanced"会提高少数类别的权重，使模型更加重视财务危机企业。

5. 训练随机森林

from sklearn.ensemble import RandomForestClassifierrf_model = RandomForestClassifier(    n_estimators=500,    max_depth=8,    min_samples_leaf=5,    class_weight="balanced",    random_state=42,    n_jobs=-1)rf_model.fit(X_train, y_train)

随机森林通过建立多棵决策树进行综合判断，可以识别资产负债率、盈利能力和现金流之间的复杂关系。

6. 训练XGBoost

from xgboost import XGBClassifiernegative_num = (y_train == 0).sum()positive_num = (y_train == 1).sum()xgb_model = XGBClassifier(    n_estimators=400,    max_depth=4,    learning_rate=0.05,    subsample=0.8,    colsample_bytree=0.8,    scale_pos_weight=negative_num / positive_num,    eval_metric="logloss",    random_state=42)xgb_model.fit(X_train, y_train)

scale_pos_weight用于处理类别不平衡，提高模型对危机企业的敏感度。

7. 比较模型表现

from sklearn.metrics import (    accuracy_score,    precision_score,    recall_score,    f1_score,    roc_auc_score)models = {    "逻辑回归": logistic_model,    "随机森林": rf_model,    "XGBoost": xgb_model}results = []for model_name, model in models.items():    prediction = model.predict(X_test)    probability = model.predict_proba(X_test)[:, 1]    results.append({        "模型": model_name,        "准确率": accuracy_score(y_test, prediction),        "精确率": precision_score(y_test, prediction),        "召回率": recall_score(y_test, prediction),        "F1值": f1_score(y_test, prediction),        "AUC": roc_auc_score(y_test, probability)    })result_table = pd.DataFrame(results)print(result_table)

8. 生成风险名单

data["distress_probability"] = xgb_model.predict_proba(    X_imputed)[:, 1]data["risk_level"] = pd.cut(    data["distress_probability"],    bins=[0, 0.3, 0.6, 1.0],    labels=["低风险", "中风险", "高风险"],    include_lowest=True)risk_list = data[    [        "firm_id",        "firm_name",        "distress_probability",        "risk_level"    ]].sort_values(    "distress_probability",    ascending=False)risk_list.to_csv(    "output/企业财务风险预警名单.csv",    index=False,    encoding="utf-8-sig")

四、结果展示

1. 模型效果对比

测试集包含640家企业，其中128家企业属于财务危机样本。三种模型的预测结果如下：

结果表明，XGBoost的综合表现最好，AUC达到0.921，并成功识别出81.3%的财务危机企业。

2. XGBoost识别结果

在128家实际发生财务危机的企业中，模型成功识别104家，遗漏24家。与此同时，有36家正常企业被提前列入风险名单。

对于财务预警场景，适当增加误报可以换取更高的危机企业识别率，为后续人工核查争取时间。

3. 重要风险指标

XGBoost给出的变量重要性如下：

从结果来看，企业风险主要集中在三个方面：

1. 1. 债务压力较高：资产负债率越高，财务风险越明显；
2. 2. 现金流持续恶化：经营现金流不足时，企业可能难以维持日常经营；
3. 3. 盈利能力下降：ROA和营业收入增长率降低，会明显提高危机概率。

4. 高风险企业名单

按照XGBoost输出的危机概率，风险最高的部分企业如下：

进一步查看这些企业的财务数据可以发现，它们普遍具有资产负债率偏高、现金流不足、盈利能力下降和收入负增长等特征。

通过这套流程，原本分散在财务报表中的指标被转换为直观的风险概率和预警等级。后续还可以继续加入行业特征、审计意见、股票交易数据和企业年报文本，构建更加完整的企业财务风险预警系统。