随着我国当前社会经济的不断发展与壮大,“新三板”已经在当前的资本市场上占据了主要的部分,截至2017年底,其市场中就已包含上万家挂牌企业,比沪深交易所企业总和还要多。“新三板”应用的逐渐扩大对我国当前一些中小型企业在进行融资的过程中有很重要的影响。虽然“新三板”的应用越来越广泛,但是我国在当前市场中还存在着很大的不足,对新三板的研究并不多。除此之外,目前在管理学中使用机器学习的方法构建高管团队特征、投资状况和绩效的模型的研究较少。因此,使用新三板上市公司的数据去研究如何构建高管团队特征、投资状况和绩效的模型有着一定的实践意义和理论意义。本文提出使用机器学习的方法构建新三板企业的绩效预测模型。本研究选择了10135家新三板企业作为研究样本,提取特征变量,分别使用多元线性回归、多项式回归、两类支持向量回归以及XGBoost共五种方法构建预测模型,最后对五种方法构建的模型进行评估,进而选择预测效果最好的模型。本文的实验内容主要包括以下四个部分:(1)根据新三板企业高管特征构建企业绩效预测模型。本实验选取的自变量为高管背景人口特征(年龄、性别、学历),激励特征(持股比例)作为高管团队特征,选取的因变量为企业近4年的平均利润。(2)根据新三板企业的投资状况构建企业绩效预测模型。本实验选取的自变量为企业投资的子公司数量、子公司分布的地区数量、子公司的平均持股比例、投资关系比例等,选取的因变量为企业近4年的平均利润。(3)新三板企业未来投资预测模型构建。本实验主要研究新三板企业在下一年会投资多少个公司以及公司分布情况。针对该目标,选取的自变量为企业每年投资的企业个数,因变量为下一年投资的企业个数。(4)分别选取十所在新三板、主板、创业板上市的企业数据,使用前三个实验得出的性能最好的模型,分析比较此模型应用在除新三板之外的板块上市企业的效果。实验结果表明,XGBoost方法构建的模型性能最好,不仅可以为企业在构建高管团队和子公司投资提供一定的科学支持,还可以为融资者制定投资策略提供数据帮助。