摘 要：
本文以我国2008-2020年A股非金融公司为样本，采用机器学习方法对商誉的减值进行了预测，以期帮助投资者识别商誉减值风险，缓解商誉减值对市场的冲击。实证结果显示，随机森林和XGBoost两种集成学习模型的预测表现要优于其他模型。进一步研究发现，随机森林和XGBoost预测的商誉减值公司在预测期的平均持有收益率要显著低于预测不会发生减值的公司，而且随着预测准确率的提升二者之间的差异逐渐向真实差异靠拢。这说明机器学习模型能够有效识别商誉减值风险，从而促进市场对其的吸收。最后，本文还发现由于影响公司行为的因素及其重要性会随时间变化，因此使用机器学习模型预测或者识别公司行为时，训练集的时间跨度并不是越大越好。