基于CART-Bagging算法的债券违约预警模型研究

本文采用CART-bagging的集成决策树算法,以基学习器投票的方式形成三类违约预警模型,并在样本选取方面同时考虑了财务数据、非财务数据与宏观数据对违约模型准确率的影响。实证表明,在以财务数据为基础的模型中加入宏观数据与非财务数据,对模型的提升作用不明显,且单独以非财务数据与宏观数据所构建的模型,预测准确率也较高。随后对三类预测模型中重要性排名前五的指标变量进行了单独分析,发现财务数据、非财务数据对模型的重要程度比宏观数据更高,因为宏观经济环境对企业的影响较为间接。