基于特征选择和违约鉴别的我国上市公司债券违约预警模型研究

为了更好地挖掘债券违约的关键指标,确定有效的违约预警时间窗,建立对不同违约状态预测精度高且精简实用的债券违约预警模型,采用SMOTE方法对非均衡样本进行处理,并基于XGBoost方法,根据违约预警精度高和指标体系规模小反推违约预警模型,并确定最优预警时间窗。研究结果表明,当违约预警时间窗为t−1期时预测效果较好,即用提前一年的指标数据能更好地预测债券是否违约;采用XGBoost的嵌入式特征选择方法建立违约预警模型,将模型训练与指标体系降维同时完成,计算更简便。通过与其他7个常用违约预测方法的计算结果对比,该模型违约预测精度高、降维效果好、计算速度快、可解释性强。

基于财务和非财务信息的债券违约预警模型研究——来自机器学习方法的经验证据

债券市场安全涉及国家的金融安全,近年来因我国债券违约频发而备受关注。基于我国债券市场特征、财务困境和制度经济学理论,引入财务信息和非财务信息变量并使用传统统计方法和机器学习方法可构建一批债券违约预警模型。研究发现:第一,对比传统统计方法构建的债券违约预警模型,基于机器学习构建的债券违约预警模型具有更高的预测准确度。第二,在使用财务信息变量的基础上引入非财务信息变量,债券违约预警模型的预测准确度大幅提高,表明非财务信息为预警模型提供了有效的增量信息。具体来说:(1)作为债券市场重要的“看门人”,审计和评级机构都能提供债券违约的预警信息,但违约前一年审计意见提供的预警信息的重要性高于信用评级提供的预警信息;(2)发债企业的所有制、上市状况及其所属地区的经济与社会环境如社会资本和营商环境对于债券违约预警具有重要作用;(3)货币政策信息对于债券违约预警也具有重要作用;(4)预警模型帮助投资者大幅降低“踩雷”的概率,极大提高了债券投资的安全性。

永煤控股债券违约预警及对策建议

2020年下半年债券市场震动不断,债券投资者心中万无一失的永煤债券发生违约事件,引起市场的恐慌。政府背书担保的国企信用外加AAA主体评级“双保险”仍无法阻止债券发行主体的违约行为,其原因何在?对公司进行财务分析是否可以尽早发现企业存在违约风险?为解答以上问题,本文以永城煤电债券违约为例,从财务视角探析企业债券违约的预警信号,并从公司治理、煤炭市场环境结合公司多元化战略以及国家政策等层面进行原因剖析,以期为我国债券市场投资者提供启示和参考。