在数字经济时代，利用机器学习方法高效识别企业非法集资风险，愈来愈成为企业数字化监管的重要途径
之一。传统的企业风险管理和学术研究多基于静态局部、人工主导等观念，难以应对瞬息万变的企业发展和大数据
驱动下的风控需求。本文从动态、客观、机器学习的视角出发，结合法律法规和专家经验，构建企业非法集资的用
于识别不同类型关键词词库，基于关键词频率，设计逻辑匹配算法，对企业处罚文本进行识别和标注。在此基础上，
建立XGBoost分类模型，应用于企业非法集资风险识别。研究结果表明，与传统机器学习模型相比，XGBoost模型
效果最优，实现了企业非法集资风险的精准识别，为企业风控和数字化监管提供参考。
