在當(dāng)前債券違約常態(tài)化和宏觀環(huán)境波動(dòng)的背景下,探討債券違約影響因素并及時(shí)洞察債券違約風(fēng)險(xiǎn)是非常必要的。公司債券作為頻繁發(fā)生違約的債券品種,構(gòu)建其違約預(yù)測(cè)模型具有一定代表性。本文對(duì)公司債違約的影響因素進(jìn)行歸納整理,總結(jié)出一個(gè)相對(duì)全面的框架,具體涵蓋了公司外部因素(宏觀經(jīng)濟(jì)、地區(qū)經(jīng)濟(jì)環(huán)境、行業(yè)因素),公司財(cái)務(wù)特征(償債能力、營(yíng)運(yùn)能力、成長(zhǎng)能力、盈利能力、資本結(jié)構(gòu)、企業(yè)性質(zhì))以及債券自身屬性三大層面,共包含26個(gè)變量。然后,本文應(yīng)用極端梯度提升樹(shù)模型(e Xtreme Gradient Boosting,XGBoost)對(duì)公司債違約進(jìn)行預(yù)測(cè),并與常用的模型進(jìn)行對(duì)比。最后,進(jìn)一步分析對(duì)公司債違約產(chǎn)生影響的重要因素。本文實(shí)證研究得出如下結(jié)論:(1)XGBoost模型在預(yù)測(cè)公司債違約問(wèn)題上具有非常好的表現(xiàn)。通過(guò)將XGBoost模型與文獻(xiàn)中常用的邏輯回歸模型、支持向量機(jī)、隨機(jī)森林模型、卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行對(duì)比,我們發(fā)現(xiàn)XGBoost模型在精確率(Precision)、召回率(Recall)、準(zhǔn)確率(Accuracy)、AUC值等方面表現(xiàn)均為最優(yōu);(2)參數(shù)優(yōu)化能夠提高模型的準(zhǔn)確率和穩(wěn)定性。本文應(yīng)用網(wǎng)格搜...

【文章頁(yè)數(shù)】：75 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    第一節(jié) 研究背景
    第二節(jié) 研究意義
    第三節(jié) 研究框架和方法
    第四節(jié) 創(chuàng)新與不足
第二章 文獻(xiàn)綜述
    第一節(jié) 債券違約現(xiàn)狀及案例分析
    第二節(jié) 債券違約影響因素研究
    第三節(jié) 債券違約模型相關(guān)模型
    第四節(jié) 文獻(xiàn)述評(píng)
第三章 公司債違約影響因素及預(yù)測(cè)模型
    第一節(jié) 公司債違約影響因素
        一、基本概念
        二、公司債違約影響因素
    第二節(jié) 預(yù)測(cè)模型
        一、邏輯回歸模型
        二、支持向量機(jī)模型
        三、隨機(jī)森林模型
        四、卷積神經(jīng)網(wǎng)絡(luò)模型
        五、XGboost模型
        六、交叉驗(yàn)證
第四章 公司債違約預(yù)測(cè)分析
    第一節(jié) 變量選擇
    第二節(jié) 數(shù)據(jù)來(lái)源及樣本選擇
    第三節(jié) 模型評(píng)估標(biāo)準(zhǔn)
    第四節(jié) 實(shí)證分析
        一、描述性統(tǒng)計(jì)
        二、樣本差異化分析
        三、數(shù)據(jù)清理及標(biāo)準(zhǔn)化
        四、基于網(wǎng)格搜索法的參數(shù)優(yōu)化
    第五節(jié) XGBoost模型預(yù)測(cè)結(jié)果
        一、評(píng)估標(biāo)準(zhǔn)結(jié)果
        二、公司債違約影響因素
第五章 結(jié)論與展望
    第一節(jié) 主要結(jié)論
    第二節(jié) 對(duì)策建議
        一、持續(xù)完善信用評(píng)級(jí)和信息披露
        二、建立風(fēng)險(xiǎn)預(yù)警機(jī)制和加強(qiáng)監(jiān)管
        三、完善風(fēng)險(xiǎn)分散渠道和信用衍生工具
    第三節(jié) 展望
        一、針對(duì)不同債券品種分別進(jìn)行研究
        二、進(jìn)一步完善指標(biāo)體系
        三、盡可能擴(kuò)大研究的樣本規(guī)模
        四、進(jìn)一步優(yōu)化模型參數(shù)
附錄 部分
附錄A:輸出描述性統(tǒng)計(jì)的Stata代碼
附錄B:模型預(yù)測(cè)的Python代碼
附錄C:統(tǒng)計(jì)量表(T-2年)
參考文獻(xiàn)
致謝
個(gè)人簡(jiǎn)歷、在學(xué)期間發(fā)表的學(xué)術(shù)論文與研究成果



本文編號(hào)：4010287