首页|基于集成学习的上市企业违约风险评价

基于集成学习的上市企业违约风险评价

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
随着全球经济下行压力加大,国内债务规模的上升,越来越多的企业面临着信用风险.研究企业的违约风险,对于识别高风险违约企业,提高企业自身信誉度具有重要意义.本文通过分析43766笔上市企业数据,对企业的违约风险进行了评价.首先通过方差过滤法初步筛选得到178个候选评价指标,然后使用随机森林法进一步筛选得到了20个对企业违约影响显著的指标.本文分别建立了XGboost、LightGBM、Catboost和随机森林四个模型,使用贝叶斯调参的方法对模型参数进行优化.接下来,使用Blending的方法对前面四个模型进行融合,得到最终模型的AUC值=0.97,模型整体预测效果较好.最终模型的F1值=0.62,较之融合前的单个模型,违约企业的预测效果得到了提升.

范诗语、耿子悦、田芮绮、杜永强

展开 >

天津商业大学,天津 300400

上市企业违约 XGboost LightGBM Catboost 随机森林 Blending模型融合

国家级大学生创新创业计划项目

201910069028

2021

统计与管理
河北省统计科学研究所

统计与管理

CHSSCD
影响因子：0.269
ISSN：1674-537X
年,卷(期)：2021.36(2)
  • 1
  • 10