典型文献
国有企业并购完成率预测及其影响因素研究——基于数据挖掘和随机森林算法的分析
文献摘要：
随着国有资本和社会资本交叉融合的国企改革不断深入,国企并购重组业务不断涌现,然而很多国企由于盲目而导致并购未能完成.本文探索融合多种影响因素数据,利用随机森林算法构建国企并购完成率预测模型.设计影响国企并购完成率评价体系,应用Python爬取网页和文本数据,运用Logistic回归分析影响并购完成率的相关因素,基于随机森林算法构建国企并购完成率预测模型,将结果与4种经典机器学习模型作对比实验以评价预测效果.结果表明:并购以现金结算、出让方为非上市公司、非重大资产收购更加有利于提高并购完成率;买方支付净资产比、买方支付净利润比、结算方式对于并购完成率的预测更加重要和有效;预测结果精确度为86％(F值)和87％(AUC值).基于随机森林算法的预测结果在所有模型中表现最优,具有更强的鲁棒性和适用性.本研究丰富了人工智能算法在并购重组领域的运用,为早防范、早发现、早干预,从而使国企更有效地开展并购活动提供了实践帮助.
文献关键词：
国有企业;并购完成率;影响因素;完成率预测;Logistic回归;随机森林分类
中图分类号：
作者姓名：
王言
作者机构：
清华大学五道口金融学院, 北京 100083;华夏银行博士后科研工作站, 北京 100005
文献出处：
引用格式：
[1]王言-.国有企业并购完成率预测及其影响因素研究——基于数据挖掘和随机森林算法的分析)[J].上海金融,2022(05):16-29
A类：
并购完成率,完成率预测
B类：
企业并购,随机森林算法,国有资本,交叉融合,国企改革,并购重组,重组业务,素数,Python,爬取,网页,文本数据,机器学习模型,评价预测,现金结算,出让方,方为,非上市公司,资产收购,买方,净资产,净利润,结算方式,人工智能算法,早发现,并购活动,随机森林分类
AB值：
0.225747
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
