-
题名基于最优临界点的债券违约动态预警研究
- 1
-
-
作者
迟国泰
杨佳琦
周颖
-
机构
大连理工大学经济管理学院
北京航空航天大学经济管理学院
-
出处
《管理科学学报》
CSSCI
CSCD
北大核心
2024年第11期136-158,共23页
-
基金
辽宁省社会科学规划基金资助项目(LZ1BGL011)。
-
文摘
债券违约风险预警就是根据企业财务因素、非财务因素和外部宏观因素对未来的债券违约状态做出预测.对于不同的变量组合,违约预测的效果是不同的,势必存在一个最优的指标组合,能够最大限度地减少违约预测误差.对于不同的违约判别临界点,其违约预测效果不同,势必存在一个最优的违约判别临界点,最大限度地把违约与否的债券区分开来.本研究采用随机森林模型进行指标组合的遴选,采用Logit回归建立违约预测模型.本研究的创新,一是在最优指标组合的遴选上,对于不同的决策树棵数,在第二类错误最小的前提下,通过AUC最大反推得到了一个最优的随机森林;通过对最优随机森林中节点指标的不同组合的对比,找到AUC最大的一个指标组合.二是在最优违约判别临界点的确定上,以第一类错误与第二类错误的加权之和最小为目标函数,反推逻辑回归的最优临界点.三是本模型的预测精度高于支持向量机模型、梯度提升迭代决策树、神经网络等7种流行的大数据预测模型.基于2014年—2018年中国上市公司发行的债券数据,实证研究表明,对中国债券的中短期违约预测均有影响的关键指标为:“货币资金/短期债务”、“净利润”、“发行主体发行债券数量”、“行业景气指数”和“行业企业家信心指数”等五个指标.对短期违约预测有影响的关键指标为:“货币资产”、“速动比率”、“固定资产投资价格指数”、“货币供应量M_0”.对中期违约预测有影响的关键指标为“发行主体注册资本”、“债券到期偿还量”、“债券到期指数”.
-
关键词
债券违约
违约预测
最优指标组合
最优违约临界点
随机森林
-
Keywords
bond default
default prediction
feature selection
optimal threshold
random forests
-
分类号
F713.36
[经济管理—产业经济]
-
