台湾上市企业破产分析 · TCBA

项目简介：基于台湾地区上市公司财务指标数据，构建企业破产风险预测模型（TCBA，Taiwan Corporate Bankruptcy Analysis）的机器学习实战案例。针对财务数据普遍存在的类别不平衡问题，采用 SMOTE 过采样与多种分类模型对比建模，并用 ROC/AUC、混淆矩阵、分类报告评估模型效果。

核心目标：① 从 90+ 项财务指标中识别破产关键驱动因子；② 在破产样本占比极低（约 3.2%）的条件下构建高召回预警模型；③ 将分析结论沉淀为「单公司体检」式的财务风控决策看板。

成果：11 个模型方案横向对比，以 Recall / F1 / PR-AUC 为核心口径（96.8% 多数类下 accuracy 无意义）；特征重要性互证「高负债依赖是破产首要先行信号、ROA 与现金流是保护性指标」；并配套 6 模块交互看板，支持输入财务指标实时评估破产概率。

在线演示项目介绍页源码仓库

📅 2026-08-15 ｜分类：数据分析 / 机器学习｜标签：Python / scikit-learn / imbalanced-learn / Streamlit / SHAP

一、项目背景

企业破产往往有先兆可循：债务负担加重、盈利恶化、现金流紧张等财务信号会提前暴露风险。对于金融机构的授信审查、投资尽调与贷后监控，若能基于上市公司公开财务数据提前识别高风险主体，就能将风险处置从「事后补救」前移到「事前预警」。

本项目以台湾地区上市公司 1999–2009 年的公司-年度财务指标数据为对象，完成数据清洗 → 不平衡处理 → 多模型建模 → 调参 → 评估 → 解释 → 看板交付的完整机器学习链路。

二、数据与预处理

数据来源：data.csv（约 11.4 MB，台湾上市公司财务指标样本）。
数据规模：数百家上市公司 × 多年份形成的公司-年度记录，含 90+ 项财务指标与破产标签。
任务类型：二分类（是否破产，Bankrupt? 0/1 标签）。
关键挑战：破产样本占比仅约 3.2%，存在严重类别不平衡——直接建模会偏向多数类，须先做不平衡处理。
预处理要点：恒值列（无区分度）在建模时剔除；数值特征标准化后进入模型；数据无缺失值可直接建模。

三、建模方法与不平衡处理

环节	方法
类别不平衡处理	SMOTE 过采样（imblearn），并引入 class_weight 双轨验证
建模方法	Logistic Regression、Decision Tree、Random Forest
超参数调优	RandomizedSearchCV
模型评估	train/test 划分、KFold 交叉验证、accuracy、classification_report、confusion_matrix、ROC/AUC、PR-AUC
模型解释	Permutation Importance + SHAP
可视化	matplotlib、seaborn、plotly

⚠️ 数据无公司/年份标识，随机切分存在「伪独立」乐观偏差；补充 CompanyId 后应改用 GroupKFold 复核。

四、模型评估与关键结论

在严重类别不平衡场景下，accuracy 无意义（模型只需预测全为未破产即可达到 96.8%），因此统一以 Recall / F1 / PR-AUC 为核心决策口径：

决策口径	含义
Recall（召回率）	能抓出多少比例的破产公司（漏判率 = 1 − Recall）
F1	精确率与召回率的调和平均，兼顾误报与漏报
PR-AUC	不平衡场景下比 ROC-AUC 更敏感的排序能力指标

关键结论

高负债依赖是破产的首要先行信号：Borrowing Dependency、Current Liability To Assets 等负债类指标与破产正相关，应作为贷后/投资尽调的强制红灯指标。
盈利质量与现金造血能力决定存续：ROA、现金流类指标排名靠前，属保护性因素。
业务建议：将重要性 Top 指标组合为「财务健康评分卡」，按月滚动监控阈值变化；模型作为财务预警红灯的前置环节，触发后人工复核。
建议 SMOTE 与 class_weight 双轨验证后，选择漏判率更低且 F1 不显著下降的方案部署。

# 不平衡处理 + 建模核心流程（摘要）
from imblearn.over_sampling import SMOTE
from sklearn.ensemble import RandomForestClassifier

sm = SMOTE(sampling_strategy="minority", random_state=42)
Xr, yr = sm.fit_resample(X, y)                     # 过采样后类别均衡

model = RandomForestClassifier(n_estimators=300, random_state=42, n_jobs=-1)
model.fit(Xr, yr)                                   # 训练演示模型

五、Streamlit 财务风控决策看板

深蓝 · 金色金融主题交互看板（streamlit_app.py），侧边栏导航共 6 个模块：

模块	功能
① 决策总览	核心 KPI（样本量 / 破产占比 / 推荐模型 F1·PR-AUC）、破产分布饼图、数据健康检查、战略结论速览
② 数据探索	数据结构与质量、数据类型分布、标识列 × 破产交叉画像、财务指标描述统计
③ 特征风险画像	Top 16 财务指标 × 破产相关性、关键指标（负债率 / ROA / 现金流等）破产 vs 未破产箱线图对比
④ 模型对比	11 个方案横向对比表（Recall / F1 / PR-AUC / ROC-AUC）、按特征选择着色对比图、业务推荐
⑤ 特征重要性	Permutation Importance 排序、Top 驱动因子战略解读、SHAP Top 特征与摘要图
⑥ 单公司体检	输入关键财务指标 → Random Forest + SMOTE 演示模型实时输出破产概率仪表盘与风险评级

1
2
3

# 启动 Streamlit 看板
streamlit run streamlit_app.py
# 浏览器打开 http://localhost:8501

六、技术栈与项目结构

技术栈：Python 3 · pandas / numpy / scikit-learn / imbalanced-learn（SMOTE）/ matplotlib / seaborn / plotly / Streamlit / SHAP / Jupyter。

文件 / 目录	说明
`data.csv`	台湾上市公司财务指标原始数据（含破产标签）
`基于台湾上市公司财务数据的破产分析.ipynb`	完整分析 Notebook（EDA + 不平衡处理 + 建模 + 解释）
`streamlit_app.py`	6 模块 Streamlit 财务风控决策看板
`requirements.txt`	Python 依赖清单（含 `imbalanced-learn`）
`output/`	模型对比、Permutation Importance、SHAP 结果 CSV 与图表

七、相关链接

在线演示：https://gz4sdvz2jg9h9vaqryh8qc.streamlit.app/
项目介绍页：https://yohoten.github.io/TCBA/
源码仓库：https://github.com/yohoten/TCBA