高级破产预测数据集：调查与分类法

破产预测是一个严重依赖数据科学的重要研究领域。它旨在帮助投资者、管理者和监管者更好地理解企业的运营状态并提前预测潜在的财务风险。为了改善预测，研究人员和从业者已开始利用多种不同类型的数据，从传统的财务指标到非结构化数据，以辅助构建和优化破产预测模型。随着时间的推移，不仅工具化数据得到了改进，工具化方法用于数据结构化和清洗和分析也得到了提升。借助部署机器学习和深度学习算法的先进分析技术，破产评估随时间变得更加准确。然而，由于金融数据的敏感性，有效公共数据集的稀缺仍然是快速建模和评估机器学习算法用于目标任务的关键瓶颈。因此，本研究引入了一个破产研究数据集的分类法，并总结了它们的特征。本文还提出了一套用于衡量公共数据集质量和信息量的指标。分类法结合信息量指标，旨在通过为研究指出合适的数据集，为研究人员和从业者在信用评估和决策制定的各个方面开发潜在应用提供有价值的见解。