基于机器学习技术的房地产企业债券违约风险预警

我国房地产企业债券自2018年起频繁违约,违约债券数量和违约金额均远超其他行业。为此,基于机器学习技术构建房地产企业债券违约预警模型,提前识别可能发生违约的债券。研究发现:在不同的违约预测时间点,用于预测的指标重要性不同,且构建的预警指标组在违约发生前半年对违约的预测性能最好;在指标体系中加入“三道红线”财务指标提高了房地产企业债券违约预测的性能;引入债券交易数据特征作为违约预测的影响因子,对违约有着较好的预测作用和解释意义。