当代经济杂志

基于随机森林模型的公司债券违约预测研究
魏晓贝1,陈迪芳1,李雪涛
(1.湖北汽车工业学院数理与光电工程学院 2.湖北汽车工业学院经济管理学院
湖北 十堰 442002)

   
摘要:本文以中国证券市场2014-2019年83家公司债券的261条财务指标数据作为样本,随机选取52条财务数据作为测试集,剩余数据用作训练集,对随机森林的机器学习模型在债券市场公司债券风险识别领域进行探索研究。结果表明,随机森林模型对公司债券风险识别能力较强,通过对训练集的的学习,模型具有很好的精准度,通过对“17江北新城债”进行预测研究,验证了模型具有优异的泛化性能。综上,随机森林模型能够对公司债券发生违约进行较精准预测,为公司债券违约风险管理提供了一种更加高效与低成本的事前控制方法。
关键词:公司债券;财务指标;随机森林算法;违约预测


流程    处理人    提交时间      完成时间
收稿    编辑部   2021年08月31日   2021年08月31日
复审     主编   2021年09月14日   
终审    编委会   2021年09月14日