《表1 0 更换机器学习方法(XGBoost)》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《高管个人特征与公司业绩——基于机器学习的经验证据》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

Panel A财务绩效

XGBoost（Extreme Gradient Boosting）是除GBM之外另一种优化GBRT问题的算法，它与GBRT的主要区别在于在优化过程中不仅考虑了损失函数的一阶导数信息，而且对损失函数进行了二阶泰勒展开，同时用到了一阶和二阶导数信息[71]．但由于参数数量的增多，XGBoost所需的运算时间更长．在表10中报告了XGBoost的估计结果，发现高管模型相对于基准模型的提升程度与表4中GBM的结果相似，多数指标的提升幅度仍处于较低水平．比如，CEO个人特征的加入对财务绩效的样本外预测误差（MSEOOS）的降低幅度仅为0.000 2．综上，本文的基本结果是稳健的．