《FinTech》：Exploratory Machine Learning Predictors of Financial Performance: Evidence from Listed Egyptian Fintech Ventures
编辑推荐：
本研究提供了一项探索性预测分析，旨在考察数字基础设施的不同维度——资本市场发展、数字支付采纳、电子商务渗透以及市场波动性——如何预测埃及金融科技企业的财务绩效指标。研究基于2017—2023年间在埃及证券交易所上市的10家金融科技企业面板数据，采用随机森林（R
本研究提供了一项探索性预测分析，旨在考察数字基础设施的不同维度——资本市场发展、数字支付采纳、电子商务渗透以及市场波动性——如何预测埃及金融科技企业的财务绩效指标。研究基于2017—2023年间在埃及证券交易所上市的10家金融科技企业面板数据，采用随机森林（Random Forest, RF）机器学习算法，并以逻辑回归（Logistic Regression, LR）作为基准比较模型。特征重要性分析识别了四项绩效指标中对盈利能力最显著的预测变量：营业总收入、销售增长、毛利率和净利润率。
本研究采用带有五折交叉验证的随机森林（Random Forest, RF）。超参数通过网格搜索进行优化，并报告了附带交叉验证标准差的特征重要性得分。为应对面板数据结构相关问题，研究进一步采用留一企业交叉验证（leave-one-firm-out cross-validation, LOFOCV）。所有发现仅反映预测性关联；由于潜在反向因果关系，研究不作因果性主张。
研究发现，资本市场发展是所有盈利能力指标中最重要的预测因子，在净利润率中的特征重要性占45%，在营业总收入中的特征重要性占42%（五折平均重要性；标准差 SD = 0.07–0.08）。数字支付采纳表现出一种悖论性的双重关联——一方面通过经营效率与收入和利润率呈正相关（毛利率的重要性为38%；SD = 0.08），另一方面却与销售增长呈负相关（重要性为22%；SD = 0.10）。线上销售总额的预测效能有限，仅对毛利率产生影响。市场波动性仅与销售增长相关。相较于逻辑回归（Logistic Regression, LR），随机森林（Random Forest, RF）在全部模型中的表现始终更优，准确率范围为68%–76%（相比之下，随机水平为50%，多数类基线为52%–58%）。
由于样本仅包含70个企业—年份观测值，这些发现必须被解释为严格意义上的探索性结果，并用于生成研究假设；其结论仅适用于在埃及证券交易所上市的金融科技企业，未经进一步经验验证，不能推广至私营、早期阶段或未上市的金融科技初创企业。
该文发表于《FinTech》，围绕新兴市场数字化转型背景下金融科技企业财务绩效的预测问题展开研究。研究背景在于，全球金融科技革命为创业企业创造了前所未有的发展机遇，尤其是在传统银行基础设施相对薄弱的新兴经济体中，数字支付系统、在线交易平台以及资本市场可得性通常被视为推动金融包容与企业增长的关键力量。然而，数字基础设施并不会自动、均匀地转化为持续的盈利能力。对于新兴市场企业而言，技术采纳与绩效之间的关系常常受到市场深度、监管质量与企业自身能力的共同调节。埃及在2017—2023年间一方面推进支付基础设施现代化、资本市场改革并培育金融科技生态，另一方面又经历了显著宏观波动，包括通胀起伏、汇率不稳定和全球经济冲击。因此，识别数字基础设施不同维度对盈利能力的选择性预测作用，成为上市金融科技企业战略决策的重要议题。
现有研究主要存在四方面不足：其一，多数文献分别考察数字支付、资本市场或电子商务等单一维度，较少从综合系统视角分析创业生态中多重数字基础设施的共同作用；其二，研究焦点多集中于发达市场或大型新兴经济体，像埃及这样的中等收入国家在经验研究中相对不足；其三，“技术越多，绩效越好”的隐含假设忽视了不同绩效维度之间的差异性，技术可能对收入、增长和利润率产生方向不同的关联；其四，创业金融研究长期面临反向因果问题，即绩效更好的企业可能更有能力采纳数字技术、进入资本市场。基于此，研究人员明确将本文定位为预测性、探索性研究，而非因果识别研究。
在理论基础方面，论文综合了制度理论（institutional theory）、资源基础观（Resource-Based View, RBV）、动态能力理论（Dynamic Capabilities Theory）与信号理论（signaling theory）。制度理论用于解释资本市场发展如何通过融资可得性、合法性与信息不对称缓解机制影响企业绩效；资源基础观与动态能力理论用于理解数字支付采纳和线上销售所代表的数字能力及其部署效果；信号理论则强调正式上市、认证支付网关接入等可观测特征如何向投资者与市场传递质量信号。与此同时，论文特别强调技术—绩效关系中的反向因果挑战，指出机器学习方法只能识别预测模式，不能区分相关性与因果性。
研究人员的核心问题是：数字基础设施的不同维度——市场波动性、资本市场发展、线上销售总额与数字支付采纳——如何预测埃及上市金融科技企业的盈利能力。研究结论表明，资本市场发展是最稳定、最强的预测因子；数字支付采纳存在“数字支付悖论”，即有利于利润率和收入，却可能在短期内抑制销售增长；线上销售总额单独看并不能保证更好的财务表现，其贡献主要体现于毛利率；市场波动性与销售增长相关，但并不自动转化为更高盈利。论文的重要意义在于：一方面为埃及这一研究不足的金融科技情境提供了机器学习驱动的初步经验证据；另一方面提出了一个强调“选择性、情境性与权衡性”的数字技术采纳框架，对企业家、投资者与政策制定者均具有参考价值。
方法概括：研究样本来自2017—2023年埃及证券交易所（Egyptian Stock Exchange, EGX）主板及Nile Exchange中持续上市且财务数据完整的10家金融科技企业，共70个企业—年份观测值。因变量包括营业总收入、销售增长、毛利率与净利润率；自变量包括市场波动性（VOL）、资本市场发展（CMD）、线上销售总额（GOS）和数字支付采纳指数（DPA），并控制企业规模、企业年龄和杠杆率。研究采用随机森林（RF）构建四个二元分类模型，以逻辑回归（LR）作基准对照，使用五折交叉验证、网格搜索、袋外误差（out-of-bag, OOB）评估及留一企业交叉验证（LOFOCV）检验稳健性；连续绩效变量通过中位数分割转换为高绩效/低绩效分类结果。
在研究结果部分，论文依次展示了以下主要发现。
4.1. Descriptive Statistics
描述性统计结果显示，研究期内宏观环境波动明显，通胀水平变化幅度较大，印证了埃及金融科技企业所处的高不确定性情境。与此相对，技术采纳相关指标如资本市场发展（CMD）和数字支付采纳（DPA）总体较为稳定。利润性指标离散程度较高，尤其毛利率变化范围显著，说明样本企业在经营效率和盈利结构上存在较强异质性。这一结果为后续采用能够处理非线性关系和异质性的机器学习方法提供了经验依据。
4.2. Feature Importance Results
特征重要性分析是全文核心。针对营业总收入预测，资本市场发展（CMD）是最重要特征，重要性为0.42，标准差为0.08；数字支付采纳（DPA）次之，重要性为0.28，标准差为0.07；线上销售总额（GOS）与市场波动性（VOL）作用有限。该结果表明，在上市金融科技企业层面，资本市场制度环境与支付数字化程度对收入规模的预测作用最为突出。
针对销售增长预测，市场波动性（VOL）显示出最高重要性，为0.35，标准差为0.09，支持其与短期增长机会相关的判断。与此同时，数字支付采纳（DPA）表现出中等程度的负向方向性关联，重要性为0.22，标准差为0.10。这一发现支持论文提出的“数字支付悖论”，即企业在支付数字化实施初期可能面临组织转型成本、客户行为调整摩擦和管理注意力转移，从而对增长速度产生压制。
针对毛利率预测，数字支付采纳（DPA）是最重要预测因子，重要性为0.38，标准差为0.08，显示支付数字化主要通过降低交易成本、减少现金处理风险、提升自动化与对账效率来改善经营利润率。线上销售总额（GOS）在该模型中也具有一定意义，重要性为0.22，标准差为0.07，说明线上渠道在配合运营与成本管理能力时，能够对毛利结构形成正向支持。
针对净利润率预测，资本市场发展（CMD）占据主导地位，重要性为0.45，标准差为0.07；数字支付采纳（DPA）次之，重要性为0.25，标准差为0.09。该结果意味着，在整体盈利水平上，资本市场深度所带来的融资、合法性和信息信号优势可能比单一业务层面的数字化措施更具综合预测价值。论文同时指出，由于样本量有限且部分变量年际变动较小，特征重要性的精确百分比应谨慎解释，更适合作为相对排序依据。
4.3. Classification Model Performance
分类模型表现比较显示，随机森林（RF）在四个绩效模型中均系统性优于逻辑回归（LR）。随机森林准确率为68%–76%，显著高于50%的随机水平及52%–58%的多数类基线。尤其在销售增长和毛利率模型中，随机森林相较逻辑回归的优势最大，说明技术变量与绩效指标之间可能存在明显的非线性关系、交互效应或对异常值与非正态分布的敏感性差异。这一结果不仅支持机器学习在创业金融研究中的应用价值，也说明传统线性加总模型可能无法充分捕捉数字化基础设施与企业盈利表现之间的复杂联系。混淆矩阵分析进一步表明，模型在高低绩效分类上的识别具有较好平衡性，交叉验证结果也验证了预测规则的相对稳定性。
4.4. Summary of Predictive Findings
在预测性结果总结中，研究系统梳理了各项假设与经验发现之间的对应关系。资本市场发展对于营业总收入和净利润率的预测作用最强，并在多项指标上表现出持续重要性；数字支付采纳对毛利率和净利润率具有正向预测作用，但对销售增长呈负向方向性关联；线上销售总额的作用局限于毛利率；市场波动性主要与销售增长相关。论文还指出，数字支付采纳指数（DPA）被建构为形成性综合指数（formative composite index），因此不适宜使用Cronbach’s α进行内部一致性评价，转而采用方差膨胀因子（Variance Inflation Factor, VIF）验证各组成部分之间不存在严重多重共线性，从而支持该指数的统计有效性。
在讨论部分，研究人员首先强调资本市场发展是最关键的基础条件。它不仅意味着融资来源，也意味着合法性、透明度和信息信号，能够在收入、增长和利润率多个层面上预测更优表现。其次，“数字支付悖论”是最具解释力的发现之一：支付数字化提升经营效率和利润率，但短期内可能压缩增长，这提示企业在推进技术转型时应重视实施节奏、客户教育与投资者预期管理。再次，线上销售的有限作用说明“交易量并不等于战略”，线上渠道若缺乏物流、客服、退货处理等互补能力支持，未必能提升整体收入与增长。最后，市场波动性与销售增长的关联表明，波动时期可能孕育扩张机会，但只有具备组织敏捷性（organizational agility）的企业才能将其转化为持续价值。
结论部分指出，本研究以严格的预测性立场回应了核心研究问题。研究结论可概括为四点：第一，资本市场发展是埃及上市金融科技企业盈利能力最一致、最有力的预测因子；第二，数字支付采纳具有双重效应，与更高利润率和收入相关，但可能伴随较慢的短期销售增长；第三，线上销售规模本身并不保证成功，真正重要的是其背后的互补能力与成本结构管理；第四，市场波动可带来增长机会，但不会自动产生更高利润。论文同时强调，这些发现仅构成探索性、假设生成式证据，不能被解释为因果关系。
研究结论部分可译为：总之，本研究通过一项探索性、机器学习驱动的预测分析，考察了数字基础设施因素如何预测埃及金融科技企业的财务结果。研究严格聚焦于预测性关联而非因果性主张，结果表明，不同数字基础设施维度与埃及金融科技企业盈利能力之间存在差异化关联。基于对10家上市企业七年数据的分析，研究提出四项探索性结论：资本市场发展是最一致且最有力的盈利预测因子；数字支付兼具提升利润率与收入、但抑制短期销售增长的悖论性特征；单纯的线上销售规模并不能保证成功；市场波动创造增长机会，但并不自动带来利润。整体而言，数字化转型在新兴市场并非技术自动带来收益的确定性过程，而是一个高度依赖制度环境、实施方式与企业能力配置的情境化过程。
