基于集成学习的上市企业违约风险评价

• 作者: 范诗语 耿子悦 田芮绮 杜永强
• 来源期刊: 统计与管理
• 学科: 经济
• 关键词: 上市企业违约 XGboost LightGBM Catboost 随机森林 Blending模型融合
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 证券与上市公司
• 页码范围: 62-68
• 页数: 7页
• 分类号: F275
• 语种: 中文

摘要

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.