来源：期刊VIP网 时间：
作者：梁力军;崔丽同;陈国渔;
单位：北京信息科技大学商学院;河北大学管理学院;北京信息科技大学管理科学与工程学院;
摘要：本文基于2013-2022年87家A股上市医药企业的1392条财务数据为样本，融合粒子群算法（PSO）和随机森林（RF）构建了PSO-RF财务告警模型和10项医药专属的财务告警指标体系。研究结果表明：PSO-RF模型准确率高达86.02%，相较传统RF模型（73.17%）提升了12.85%，其优势源于PSO算法对RF超参数（决策树数量、最大深度）的全局优化。特征重要性分析显示：营业净利率、固定资产周转率和净资产收益率，是医药企业财务异常的三大核心判定指标，充分印证了国内医药企业带量采购压价、产能利率偏离及片面追求资产收益的行业特有风险。研究结论以期为企业财务数据异常的有效识别与告警，提供指标厘选和实证依据。
关键词：医药企业;;财务数据;;告警模型;;随机森林;;粒子群优化
基金资助：国家社科基金项目“多源数据融合下数字金融风险监测与防范机制研究”（项目编号：23BGL091）
