摘要
当前债券违约事件屡见不鲜且愈演愈烈,鉴于此,该文提出了基于机器学习的债券信用等级评估模型,以在交易所市场发行债券的主体为研究对象,首先通过极端梯度提升(eXtreme Gradient Boosting)预测出债券发行主体是否会违约以及违约的概率,再使用主成分分析(Principal Component Analysis)对高维数据进行降维,最后运用K-means算法将债券样本划分为9类。检验发现,该模型的评估结果能够真实地反映债券违约情况,对帮助投资者识别违约风险具有一定的借鉴意义。
出处
《现代商贸工业》
2024年第10期146-148,共3页
Modern Business Trade Industry
基金
国家社会科学基金资助项目(13BJY057)。
作者简介
陈湘州(1969-),女,湖南双峰人,硕士,湖南科技大学商学院教授,研究方向:财务风险预警;刘佳(1998-),女,四川广汉人,硕士,湖南科技大学商学院学生,研究方向:财务风险预警。
