基于树的优化模型预测企业债券主体信用评级变动情况

发布时间：2020-08-28 16:01

　　 受中美贸易战,央行“资管新规”政策等外部因素和市场竞争激烈,融资成本上升等内部因素的影响,我国债券市场信用风险事件在2018年密集爆发。债券信用评级是债券信用风险的重要指标,如何对信用评级变动进行准确的预测已经成为极具现实意义的问题。文章采用分类树、袋装法、随机森林三种基于树的模型,应用r语言对企业债券信用评级进行预测研究,并针对数据不均衡情况进行四种优化采样,以平衡数据集,提升预测效果。主要讨论问题包括:债券信用风险影响因素、模型的构建、参数选择、模型的准确性检验以及分类效果检验以及指标重要性评估。研究发现,随机森林和袋装法相对于单棵分类树有着更准确的预测结果,而欠采样的优化方法对于投资者最为关注的债券评级下降的预测有着最好的效果,综合来看,在欠采样样本下的随机森林模型最优。在指标重要性评估中,发债企业的盈利能力以及偿债能力是衡量其债券信用风险的重要指标类。结合研究结论,文章认为,从监管角度应提高其发债企业的信息披露程度和市场透明度,从评级机构角度应优化信用风险评估技术,提升时效性。
【学位单位】：南京大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：F832.51
【部分图文】：

第１章绪论逡逑１．１研宄背景与意义逡逑１．１．１研宄背景逡逑受中美贸易战，央行“资管新规”政策等影响，债券市场的２０１８是震荡的逡逑一年，而市场竞争激烈，融资成本上升等因素，也使得２０１８年成为债券信用风逡逑险事件密集爆发的一年。纵观２０１８年，我国债券市场已有１２０只信用债违约，逡逑涉及规模达到１１７６．５１亿元，创下新高。（如图１－１所示，数据来源：ＷＩＮＤ）逡逑１，１７７逦１２００逦生Ｍｆ；称逡逑

方法从不同角度对模型进行评估比较，并探究各个指标的重要性。逡逑第五部分为总结部分，对全文研究进行系统性总结，并从不同角度对企业逡逑债券信用风险防控提出了建议与展望。总体研宄思路框架如图１－２所示。逡逑４逡逑

种改进方法，这种算法并不像随机过采样一样简单的重复小类样本的数量，而逡逑是运用一种特殊规则，根据小类样本进行人工合成，产生新的小类样本，有效逡逑减小过拟合问题。具体如下图３－１所示，算法流程如下：逡逑（１）

【相似文献】

相关期刊论文 前10条

1 沈智勇;苏

本文编号：2807802