Journal of Jinling Institute of Technology (Social Science).
2025, 39(3):
25-32.
以我国新能源上市公司为研究对象,基于2014—2024年沪深A股73家ST新能源公司数据和作为对照样本的219家非ST公司的配对样本数据,利用LightGBM算法和SMOTE技术构建财务困境预警模型,并与其他财务困境预警模型进行对比分析。结果表明:LightGBM-SMOTE模型预测效能显著优于随机森林、决策树、BP神经网络、XGBoost、CatBoost以及未使用SMOTE技术的LightGBM等基准模型。在此基础上,对特征重要性进行分析,发现政府补助占利润比、营业净利率、净资产收益率、资产报酬率、总资产增长率和前十大股东持股比例是识别财务困境的关键指标。基于研究结论,对新能源企业财务风险管理提出如下建议:构建常态化预警机制,动态监测关键指标变化趋势;通过技术创新与成本优化增强内生盈利能力,降低对政府补贴的依赖程度;完善治理机制,优化股权结构,强化独立董事的监督作用。