基于机器学习方法的公司信用风险研究

发布时间：2023-03-30 04:56

　　信用风险是中国金融市场中最值得重视的风险之一,有效地分析和预测信用风险事件对于维护金融市场稳定性有着重大意义。除了传统的信用债违约事件,许多上市公司爆发的流动性风险事件,也成为了公司信用风险事件的重要组成部分。本文基于A股上市公司的财务数据,结合债券违约事件,进行信用风险事件的界定和量化分析。通过不同维度的财务因子提取、因子相关性和离散化分析,梳理出有效因子,刻画公司真实的财务状况。并从因子贡献度出发,挖掘导致公司信用风险的诱因,分析挑选出影响信用风险事件的财务指标。最后结合机器学习模型,对上市公司信用风险事件进行了预警。本文以集成模型为研究核心,运用了 SMOTEENN等模型进行样本均衡化,有效的提升了模型拟合效果。同时,对比逻辑回归、SVM,本文采用随机森林、XGBOOST和其他传统机器学习集成模型,构建适用性强、运行效率高的信用风险预警模型,取得了较为优异的预测效果。

【文章页数】：36 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 介绍
    1.2 文献综述
第二章 技术综述
    2.1 引言
    2.2 样本平衡方法
        2.2.1 过采样
        2.2.2 欠采样
        2.2.3 SMOTEENN
        2.2.4 SMOTETomek
    2.3 预测模型
        2.3.1 逻辑回归
        2.3.2 SVM
        2.3.3 随机森林
        2.3.4 XGBOOST
第三章 实验过程
    3.1 数据描述
    3.2 因子分析
        3.2.1 因子选择
        3.2.2 因子相关性分析
        3.2.3 因子降维
        3.2.4 因子评分卡
    3.3 模型评价
    3.4 模型训练
    3.5 模型预测
第四章 结束语
    4.1 主要工作和创新点
    4.2 后续工作
参考文献
致谢



本文编号：3775238