基于特征选择和违约鉴别的我国上市公司债券违约预警模型研究

摘要

为了更好地挖掘债券违约的关键指标，确定有效的违约预警时间窗，建立对不同违约状态预测精度高且精简实用的债券违约预警模型，采用SMOTE方法对非均衡样本进行处理，并基于XGBoost方法，根据违约预警精度高和指标体系规模小反推违约预警模型，并确定最优预警时间窗。研究结果表明，当违约预警时间窗为t-1期时预测效果较好，即用提前一年的指标数据能更好地预测债券是否违约；采用XGBoost的嵌入式特征选择方法建立违约预警模型，将模型训练与指标体系降维同时完成，计算更简便。通过与其他7个常用违约预测方法的计算结果对比，该模型违约预测精度高、降维效果好、计算速度快、可解释性强。

关键词

债券违约预警 / 预测精度 / 特征选择 / 非均衡样本 / XGBoost / SMOTE

基金资助

国家自然科学基金(71731003); 辽宁省社会科学规划基金(L18DTJ001)