基于机器学习与大模型的企业破产预测

用台湾经济新报 6819 家上市公司的财务数据做破产预测：SMOTE 解极端不平衡（破产仅 3.2%）+ 五模型对比 + 熵权-TOPSIS 客观选模 + 阈值优化 + SHAP 找风险因子，再拉来 GPT-4o / Qwen / DeepSeek 做 ML vs 大模型对照——一条完整的金融风控建模流水线。

• 任务类型机器学习
• 专业方向计算机 · 人工智能 · 经管/社科 · 数据科学

项目亮点

• 严重不平衡处理：破产样本仅3.2%，采用SMOTE过采样技术
• 高维特征筛选：95维→低方差过滤+高相关去除+衍生特征
• 5模型对比：LR / RF / SVM / XGBoost / LightGBM
• TOPSIS+熵权法多准则综合排名

数据与任务

如果你想找一个落在真实金融风控场景、又能把机器学习全流程讲透的项目，这个「企业破产预测」很合适。

它的题目本身就有分量——拿上市公司的财务报表预测谁会破产，是银行授信、债券评级、量化选股里都在做的事。配套也给你备齐了，帮你真正搞懂它、在面试和答辩里讲明白：带中文注释、能读懂的代码，一份从数据到 SHAP 再到大模型对照的技术说明文档，里面连简历描述和会被追问的面试问题都连答案写好了，还有一整套能直接做 PPT 的配图。

先说清楚，它到底在做什么

破产预测的难点不在"分类"，而在数据极度不平衡：6819 家企业里真正破产的只占 3.2%。模型只要无脑全猜"不破产"，准确率就能到 96%——但这种模型一家破产企业都抓不出来，在风控里毫无价值。所以真正要优化的不是准确率，而是在"漏掉一家破产企业"和"误伤一家健康企业"之间找平衡。

这个项目从台湾经济新报 6819 家上市公司、95 个财务指标出发，搭了一条完整的风控建模流水线：先清洗、用低方差与高相关过滤把 95 维压到 30 维并加上盈利、负债、持续盈利三个衍生指标，再用 SMOTE 只对训练集过采样把破产样本补到平衡；对比逻辑回归、随机森林、SVM、XGBoost、LightGBM 五种模型并逐一调参，用熵权-TOPSIS 客观选出最优模型，对它做阈值优化，最后用 SHAP 找出哪些财务指标最能预警破产。更进一步，还把同一批数据喂给 GPT-4o、Qwen-Max、DeepSeek-V3 三个大模型，做了一组 ML vs 大模型的对照实验。

搞懂它，你能在面试里讲清楚什么

把下面几件事吃透，面试官顺着风控这条线问下来你都能接得住。

极端不平衡怎么处理，为什么准确率会骗人。 这是这个项目的灵魂。你要能讲清楚为什么 96% 的准确率毫无意义，为什么这里要盯着召回率（别漏掉破产企业）和 F1，以及 SMOTE 为什么只能在训练集上做、绝不能碰测试集——否则就是数据泄露。

为什么五个模型还要客观选模。 项目对比了线性、集成树、核方法五类模型，但"哪个最好"不该拍脑袋。这里用熵权法给准确率、精确率、召回率、F1、AUC 五个指标自动定权，再用 TOPSIS 综合排名，把选模这件事做成了一套客观、可追溯的流程。配上这张架构图，你能把"特征工程 → 五模型 → 熵权-TOPSIS 选模"整条链路一口气讲明白。

SHAP 怎么把模型讲成"看得懂的风险因子"。 风控最怕黑盒——模型说一家企业要破产，你得说出凭什么。SHAP 能排出哪些财务指标最推动破产判断，还原出"盈利能力差、负债率高、现金流紧 → 破产风险高"这种符合财务直觉的逻辑，让模型的判断站得住脚、讲得清楚。

下面这组分析图也都给你做好了，可以直接放进答辩或面试 PPT：

更关键的是，每张图怎么跑出来的、该怎么解读，技术文档里都讲清楚了——你能说明白每张图到底说明了什么，而不只是把图贴上去。

面试官会问的，都帮你备好了

随便感受几个这个项目真实会被追问的问题：

• 数据里破产只占 3.2%，你为什么不直接看准确率？该看什么指标？
• SMOTE 为什么只能在训练集上做，在全量数据上做会出什么问题？
• 熵权法和 TOPSIS 各自解决了选模里的什么问题？
• 同样一批数据，机器学习和大模型谁更准？为什么？

看到会愣一下？正常。配套的项目讲解资料把这个项目——从整体思路到每个流程细节、各种可能被追问的点——连参考答案都给你写好了，连 ML 跟大模型那组对照该怎么讲都帮你梳理好了。另外还有现成的简历描述，照着改就能写进简历；那套配图也能直接套进 PPT 模板，快速出一份面试 / 答辩 PPT。

配套资料：搞懂一个项目需要的，这里全都有

先看那份技术说明文档——从数据探索、特征工程、五模型对比、阈值优化，一直讲到 SHAP 可解释性与大模型对照实验，图文并茂：

代码也给你了——关键部分都带着中文注释，帮你读懂"它到底是怎么实现的"：左边是把 95 维财务指标压到 30 维的特征工程，右边是把财务报表翻译成自然语言、用大模型做思维链破产判断的那段：

技术文档、项目讲解资料、源码注释、整套配图——搞懂一个项目、并在面试里讲清楚它，需要的全都备齐了。

适合谁

不管你是赶毕设、想给简历添个有金融含量的项目，还是在准备面试，这个题目都接得住。专业上，计算机、人工智能、金融科技、数据科学、统计、经济金融方向都很合适——尤其是想往量化、风控、信用评级方向走的同学，破产预测是把机器学习落到真实金融场景的经典题。把这条从极端不平衡处理到可解释风控、再到大模型对照的完整流水线真正搞懂、能讲出来，就是一个能写进简历、撑得起面试的项目。