本文使用支撐向量機(SVM)算法構建針對中國上市公司債券違約事件的預警模型。在已有數據基礎上,通過構建公司-負債季度層次樣本的方式使樣本量合理規(guī)模擴大,將樣本分為違約個體和未違約個體兩類;結合相關文獻選擇宏觀經濟、企業(yè)盈利能力、企業(yè)償債能力、企業(yè)運營能力和企業(yè)現金狀況五個方面32個指標作為區(qū)分兩類樣本的備選特征;借助Python-sklearn模塊訓練模型,利用其網格搜索工具嘗試多種模型超參數組合,以選取表現得分最高的分類預測模型,最終得到F1-score均值0.963的預測效果。

【文章頁數】：3 頁

【部分圖文】：

圖12014-2020Q上市公司債券違約事件占比

隨著我國深化金融領域改革,推進金融產品市場化定價,取消政府兜底、剛性兌付模式,零違約已成為了我國債市的歷史,2014年初的“11超日債”發(fā)生第一例債券實質違約,隨后近幾年我國債市接連出現發(fā)債主體債券違約的現象。2018年至今,因為經濟下行壓力加大、股市震蕩、融資難度加大等原因,債....

圖2100次預測的F1-score頻次分布

總體而言,均值0.963的F1分數反映出此模型的綜合預測表現非常良好(100次F1分數分布見圖2),其中精確率達到0.971,意味著模型有95%以上的把握確認它所預測的某上市公司下一季度的違約事件會發(fā)生;并且更具實戰(zhàn)意義的召回率表現同樣不俗,意味著市場上大約95%的上市公司違約事....

本文編號：3916785