基于非结构化文本的房地产债券违约预警研究

摘要

房地产行业是我国国民经济的重要支柱产业。近年来，房地产企业债务违约事件频繁发生，相关金融风险隐患日益凸显，实现对房地产债券违约的准确和超前预警具有重要现实意义和紧迫性。本文从1.3万份分析师研报中提取18万条文本语段，利用DeepSeek大语言模型对文本进行处理，构建文本因子。随后，将这些文本因子与房地产债券的逐笔交易数据结合，采用机器学习方法，建立债券违约预警与风险识别模型。本文研究发现，机器学习方法对房地产债券违约的预警效果显著优于传统计量方法，非结构化文本数据的引入能有效增强分类预测效果。

关键词

房地产债券 / 违约风险预测 / 大语言模型 / 机器学习 / 非结构化数据

基金资助

国家社会科学基金重大项目“新形势下地方债务风险管控的目标、难点与实现路径研究”（19ZDA073）; 上海市教委人工智能促进科研范式改革赋能学科跃升计划“从数字基建到数据产品：人工智能赋能宏观经济与金融风险预测研究”; 同济大学文科创新团队培育计划“基于高频大数据和人工智能模型的经济预测与风险动态监测体系”