企业债务违约风险预测——基于机器学习的视角

我国正处于经济结构转型的关键时期,防范化解重大风险是我国当前经济工作的重要任务,因此有效预测企业债务违约风险具有十分重要的现实意义。本文系统性地运用机器学习方法,基于2014-2019年发生实质性债券违约的上市公司,采用7种机器学习算法构建企业债务违约风险预测模型。实证结果显示,基于随机森林所构建企业债务违约风险预测模型分类效果最佳,其中营业净利率、净利润、现金比率、财务费用和资产负债率5个财务指标可作为企业债务违约风险预警指标。研究表明,基于机器学习的企业债务违约风险预警系统能够有效地进行债务违约风险预测,不仅可以深化对企业债务违约风险影响因素的微观特征的认识,而且有助于监管部门对上市公司财务状况的监督更加有针对性。