摘要

房地产企业信用风险预警对维持金融稳定具有重大意义。本文选取我国房地产企业信用债市场违约数据,分别构造了XGboost、Logistics回归、支持向量机和MLP神经网络模型进行风险预测,并且进行了指标重要性分析和偏依赖分析。结果表明:第一,XGboost模型预测能力明显强于其他模型;第二,公司控制人类型及股权比例对于公司信用风险有显著影响,股权集中企业的信用风险较高;第三,公司营运能力对公司风险预测有重要影响,资金周转能力越强,信用风险越低。本文扩展了机器学习在信用评价领域的应用,突破了传统的信用评价指标,为投资决策和风险控制提供了参考依据。

  • 单位
    贵州财经大学