基于随机森林算法的信用风险识别模型

文章预览

点击蓝字 关注我们 报告摘要 2015-2024年，信用债违约大致经历了初步显现、集中爆发和缓和趋稳的三个阶段。 2015-2017年，逐步出现违约事件，但数量较少。2018年进入爆发期，最高峰2019年违约主体数量达到212家，违约金额1226.48亿元。2022年后形势转好，违约主体数和金额均大幅下降，但在监管趋严的背景下，今年以来违约金额小幅同比提升，截至2024/08/15，共20家发行主体违约，涉及债券数量47只，违约金额374.44亿元。 传统的债券违约模型包括被广泛应用的Altman Z-score，通过计算财务比率加权得到风险评分，以及基于期权定价理论设计的Merton模型，将企业违约定义为企业资产价值小于债务账面价值，使用Black-Scholes公式对企业股票和负债进行估值，并推算违约概率。 近年来， 由于机器学习对变量形式限制较少且具有筛选能力，兼顾样本内拟合优度和样 ………………………………