Dado que la toma de riesgos es un canal esencial para que las empresas obtengan altos rendimientos y realicen una mejora del valor, el objetivo de este estudio es explorar de manera integral los determinantes de la toma de riesgos corporativos utilizando varios algoritmos de aprendizaje automático. Basándonos en los datos de empresas chinas que cotizan en bolsa entre 2010 y 2019, documentamos que el modelo de aumento adaptativo (AdaBoost) realiza mejores predicciones de la toma de riesgos corporativos. Además, visualizamos la importancia e influencia de las características básicas de la empresa, el rendimiento de la empresa y las características del director ejecutivo (CEO) y descubrimos que en el modelo AdaBoost, las características básicas de la empresa y los factores de rendimiento, como las inversiones en activos fijos de la empresa, el tamaño y el retorno sobre el capital, son importantes para predecir la toma de riesgos corporativos, mientras que las características del CEO son menos importantes. Finalmente, el papel de las variables en la toma de riesgos corporativos varía entre grandes y pequeñas empresas. En general, nuestros hallazgos profundizan la comprensión de lo que impulsa la toma de riesgos corporativos y proporcionan una forma potencial para que las empresas del mundo real busquen ajustar su nivel de toma de riesgos.