基于机器学习模型的公司债券违约预警研究

以Stacking集成学习方法融合XGBoost、GBDT、随机森林模三种基本算法构建预测模型,对企业债券是否违约进行预测。实验结果表明:融合模型的预测精准率、召回率和F1度量指标的可靠性明显高于单一模型;各基学习器的学习能力越强,关联程度越低,模型融合后的预测效果越好。此外,净资产收益率ROE、资产负债率、票面利率、流动比率、资产净利率ROA是影响企业是否违约的重要关注指标。