近年来,随着科技的不断进步和世界经济的稳步复苏,全球旅游行业步入一个新的“黄金时代”。许多非旅游运营商,如Google、Airbnb、滴滴等,快速渗透到旅游市场中并迅速抢占市场份额。传统旅游企业面临着巨大的冲击,迫切需要对自身经营状况进行分析、对比和预测,调整发展战略,突破自身发展瓶颈,为长期竞争和发展寻找契机。通常情况下,当企业面临财务困境时,会迫使企业经营管理者采取积极的措施来提高经营管理效率,以帮助企业走出危机（Jensen,1989）。因此,有效地评估企业经营绩效,即能够帮助企业迅速判断是否处于发展困境,对帮助企业在当今这个纷繁复杂的商业环境中长期生存至关重要。世界各国学者们针对这一研究问题提出了许多不同的模型与算法,包括传统数理统计模型和人工智能算法。目前,传统数理统计模型在企业经营绩效分类评估领域的研究较为成熟且形成相对完善的研究体系和框架。随着全球“大数据”时代的来临,仅凭数学理论和公式并不能完全、有效地描述与解释企业在现实社会中面临的复杂多变的情况。而人工智能算法以其可以通过学习大量不同类型与维度的数据,不断吸取“经验教训”,快速适应复杂环境的性能,迅速引起学者们的高度重视。可是,人工智能算法真的可以在复杂多变的环境中对企业经营状况进行准确有效地分类评估吗?因此,本文以中国沪深两市A股主板上市的25家旅游企业为研究对象,对比探析各个模型算法的分类评估性能。通过本研究,拟回答如下问题:1)人工智能算法能否实现对旅游企业绩效的分类评估?在准确性和可靠性方面,不同人工智能算法模型和数理统计模型之间的差异是什么?2)通过对不同分类评估模型进行集成学习是否可以得到更加准确、可靠的结论?实验设计如下:首先,选取相关财务指标作为分类评估的特征变量;其次,采用传统逻辑回归模型（LR）、支持向量机（SVM）、随机森林树（RF）和梯度森林树（GBDT）四种常用算法模型,分别对样本企业进行分类评估,对比分析四种模型之间的差异;最后,为降低单一模型分类评估的偏差性,采用Stacking技术,对上述四种分类评估模型进行集成学习,提高分类评估的准确率,从而使得结论更加准确、可靠。