本文以我国信用债市场的全样本数据为基础，应用过采样技术克服违约样本不均衡所带来的限制，搭建适合我国实际情况的机器学习梯度提升模型（CatBoost、XGBoost和LightGBM模型），并对模型在我国信用债市场的可用性和模型预测效果表现进行比较研究，为判断模型的识别区分能力及今后相关模型研究选择提供参考。同时，本文建立了适用于我国信用债实际情况的分级预警模型，对于信用债投资者和监管者有效预测企业未来的债务违约风险具有参考意义。
科研之友
微信
新浪微博
Facebook
分享链接
