基于SVM算法的上市公司信用风险预警模型

发布时间：2024-03-02 11:24

　　本文使用支撑向量机(SVM)算法构建针对中国上市公司债券违约事件的预警模型。在已有数据基础上,通过构建公司-负债季度层次样本的方式使样本量合理规模扩大,将样本分为违约个体和未违约个体两类;结合相关文献选择宏观经济、企业盈利能力、企业偿债能力、企业运营能力和企业现金状况五个方面32个指标作为区分两类样本的备选特征;借助Python-sklearn模块训练模型,利用其网格搜索工具尝试多种模型超参数组合,以选取表现得分最高的分类预测模型,最终得到F1-score均值0.963的预测效果。

【文章页数】：3 页

【部分图文】：

图12014-2020Q上市公司债券违约事件占比

随着我国深化金融领域改革,推进金融产品市场化定价,取消政府兜底、刚性兑付模式,零违约已成为了我国债市的历史,2014年初的“11超日债”发生第一例债券实质违约,随后近几年我国债市接连出现发债主体债券违约的现象。2018年至今,因为经济下行压力加大、股市震荡、融资难度加大等原因,债....

图2100次预测的F1-score频次分布

总体而言,均值0.963的F1分数反映出此模型的综合预测表现非常良好(100次F1分数分布见图2),其中精确率达到0.971,意味着模型有95%以上的把握确认它所预测的某上市公司下一季度的违约事件会发生;并且更具实战意义的召回率表现同样不俗,意味着市场上大约95%的上市公司违约事....

本文编号：3916785