基于XGboost的企业债务违约特征预警分析

作者：谭本艳; 袁神鹏

来源：会计之友, 2023, (19): 74-81.

DOI：10.3969/j.issn.1004-5937.2023.19.009

• 上市公司
• 债务违约
• XGboost
• SHAP解释方法
• 机器学习

债务违约会对企业的正常生产经营带来严重的负面影响。文章以我国2012—2021年上市公司的财务数据和非财务数据共38个指标作为研究对象，首先查询企业的债务诉讼和信用债违约情况以确定企业是否债务违约，采用XGboost机器学习算法构建企业债务违约风险预警模型，实证结果显示，基于XGboost所构建的企业债务违约风险预警模型具有较好的预警效果。其次，将XGboost训练模型与决策树、随机森林、Light GBM、GBDT、Adaboost等多种机器学习模型进行稳健性比较，结果表明，XGboost模型在AUC、准确率、精确率、召回率、F1值等各项性能指标上均优于对比模型。再次，分别引入SHAP映射图和SHAP力图对模型进行了全局性和局部性解释，发现影响企业债务违约风险的因素不仅仅局限于企业的财务状况，企业的股权结构、公司治理也是重要影响因素，对企业开展债务违约风险控制具有指导意义。最后，给企业提出了相关的建议。

• 单位
  三峡大学