由于恒生电子为国内财富与资产管理行业信息化服务供应商龙头，其金融终端在业界使用较广，数据准确性较强，故本文研究数据均通过恒生聚源终端获取，具体的终端界面如图5.2所示：
第六章 总结与展望
第一节 研究总结
随着我国金融市场的发展，越来越多的企业选择了在二级市场上市发行股票，而股票也成为了人们比较重要的投资工具。但是在企业经营过程中难免出现财务风险并造成企业股票价格的大幅下跌，给投资者造成大量的损失，如何在大量的企业中识别出可能出现财务风险的企业成为人们的研究方向。
本文从企业财务风险具有代价敏感性的角度出发，首先通过恒生聚源终端获取了2018-2019年度两年的A股上市企业财务报表数据，并完成数据清洗工作。其次，根据选取的运营能力，偿债能力，获利能力，审计意见4个维度，一共21个指标的指标体系，计算出相应的指标值并完成指标值的特征分析。最后，通过构建基于代价敏感的决策树模型，通过赋予训练集动态代价的方式，完成模型训练并将训练的模型用于测试集的效果预测，并得出模型的相关评价结果。
从实验效果来看，本文使用的代价敏感算法在识别测试集数据的企业财务风险的应用中具有较好的效果。对机构投资者而言还需进一步提升模型预测精度，对个人投资者而言，由于投资风险偏好较高，任何可能存在风险的股票都倾向于舍弃。在此前提下，舍弃偏差的大约200只股票后，整个A股市场仍然有3900只以上的股票可供研究，但是企业出现财务风险的问题已经大大降低。因此，对个人投资者而言，该研究结果也具有一定的适用性。
参考文献（略）
