非均衡数据的债券违约预警研究

将上海交易所和深证交易所发行的30只违约债券和468只未违约债券作为研究样本，将债券是否违约设定为一个二分类问题进行识别分析，针对该问题构建了基于SVM的ADmR-AdaboostSVM分类模型；从企业资本结构、盈利能力、现金流量、偿债能力4个评估因素中筛选16个预警指标，运用ADASYN方法进行过采样合成新样本点，将特征提取mRMR方法引入债券违约领域，得出长期负债率、资本收益率、成本费用利润率以及股权比例这4个变量作为债券违约的最终预警指标，在此基础上运用AdaboostSVM模型进行风险识别。研究结果表明：在建模过程中克服了样本非均衡化问题使得分类精度显著提高，同时通过解决高维数据冗余问题，识别违约债券的准确率进一步提高，反复验证表明该模型具有较强的稳健性和有效性，具有一定的应用价值。