【摘要】企业分红不仅是股东投资回报的直接体现，更是“建设以投资者为本的资本市场”的重要手段，但“股利之谜”一直是理论与实践中的基础性难题。本文采用机器学习方法，评估了不同类别公司特征对分红行为的预测效果，旨在更准确地解读中国企业的分红动因。结果发现：(1)以渐进梯度回归树和随机森林为代表的集成学习方法在预测公司分红行为方面表现突出，显著优于多元线性回归等传统统计模型。(2)生命周期特征和公司税率特征对中国资本市场分红实践的预测效果较好，第一类和第二类代理问题相关特征次之，而融资需求特征和投资者情绪特征在企业分红行为的预测效果上相对较弱。(3)在各类分红动因变量中，留存收益资产比、公司税率特征、其他应收款资产比和上一期股利支付水平对分红水平的预测贡献较大。异质性分析显示，影响企业分红的主要因素在半强制分红政策、股息税改革和《现金分红指引》等股利政策颁布前后存在差异，在不同产权性质以及自由现金流状况的企业之间也有所不同，是否采取股利迎合策略和投资者现金股利情绪也会影响公司的现金分红行为。本文为“加强现金分红监管、增强投资者回报”的监管实践提供了理论支持，也为深入理解中国现代资本市场的分红实践和活跃资本市场提供了启示。