發(fā)布時間：2024-03-02 11:24

　　本文使用支撐向量機(SVM)算法構(gòu)建針對中國上市公司債券違約事件的預(yù)警模型。在已有數(shù)據(jù)基礎(chǔ)上,通過構(gòu)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(jié)合相關(guān)文獻選擇宏觀經(jīng)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(xiàn)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(xùn)練模型,利用其網(wǎng)格搜索工具嘗試多種模型超參數(shù)組合,以選取表現(xiàn)得分最高的分類預(yù)測模型,最終得到F1-score均值0.963的預(yù)測效果。

【文章頁數(shù)】：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(lǐng)域改革,推進金融產(chǎn)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(zhì)違約,隨后近幾年我國債市接連出現(xiàn)發(fā)債主體債券違約的現(xiàn)象。2018年至今,因為經(jīng)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(yù)測的F1-score頻次分布

總體而言,均值0.963的F1分數(shù)反映出此模型的綜合預(yù)測表現(xiàn)非常良好(100次F1分數(shù)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(yù)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(xiàn)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