摘要
债券信用评级对债券信用风险防范具有重要作用,而涵盖信息充分、能有效区分债券信息差异的债券信用评级指标体系是识别债券信用影响因素、提高债券违约鉴别精度、提升债券信用评级可靠性的重要基准.本文选取2012-2022年我国上市公司债券为样本,引入风险披露指标增大信息充分性、构建宏观指标与债券其他特征的克罗内克积指标增大信息差异性,并基于Ad-aBoost算法的预测结果反推最优指标体系.通过计算加入风险披露等指标和宏观指标与债券其他特征克罗内克积指标前后的多个模型性能评估指标,验证指标体系的有效性;将AdaBoost模型与其他常用机器学习模型预测结果对比,验证根据AdaBoost方法确定的最终指标体系可靠性;通过计算指标在模型预测中的重要性程度,提高指标体系的可解释性.研究发现,在多个预测性能评估指标上,增加指标体系的信息充分性和信息差异性,可显著优于未加入此类指标的预测结果;基于宏观指标与债券其他特征克罗内克积的多个指标对债券违约预测有重大影响;上市公司风险信息披露情况等指标是债券违约预测的重要指标.
NETL
NSTL
万方数据