基于最优指标组合的代价敏感违约预测模型——以A股中小企业为例

企业违约预测是在当下时刻推断企业未来时刻发生违约事件的概率，与经济和社会息息相关。本研究的贡献在于：一是构造了兼顾指标组合违约预测精度和指标个数的多目标函数，通过sigmoid函数将蜉蝣算法转化为二进制蜉蝣算法，将其引入金融风险领域进行最优指标组合的遴选。二是在逻辑回归模型的对数似然函数中，给违约企业添加一个惩罚系数，以违约预测精度F-measure最大，反推最优的惩罚系数值，在保证总体判别精度的前提下，提高模型对违约企业的识别精度；同时使得逻辑回归求解的目标函数更贴合实际情况，确保了估计的权重向量更准确地反映指标数据与其违约状态间的函数关系。中小企业的实证研究表明：“高管年薪披露方式”“前十大股东是否存在关联”和“监事会持股比例”等企业内部非财务因素，以及“人均地区生产总值”“中长期贷款基准利率”和“货币和准货币供应量同比增长率”等宏观经济因素对中小企业违约预测的影响不容忽视。该方法可以提升对企业信用风险的识别能力，降低商业银行的不良贷款率。     

基于Brown-Wood中位数检验的小企业债信评级体系

债信评级是通过挖掘评级数据与违约风险的关系，评价一笔债务回收的可能性及不同等级违约损失率的大小。本文基于Brown-Mood中位数检验建立了小企业债信评级体系。创新与特色：① 根据某个指标的非违约样本中位数显著大于违约样本的中位数，则该指标越能将非违约与违约样本区分开的思路构造Brown-Mood中位数检验统计量值，遴选通过检验、即违约鉴别力显著的指标。改变了绝大多数现有研究未以违约鉴别力显著为指标遴选标准的不足。② 在相关系数大的一对指标中，删除 Brown-Mood中位数检验统计量值小的指标，在避免了指标反映信息冗余的同时，也避免了指标的误删。③ 根据指标的违约鉴别力越强、指标权重就应该越大的思路对指标赋权，确保了违约鉴别力越大的指标，权重也越大。④ 根据非违约样本的债信得分中位数显著大于违约样本的债信得分中位数，则债信得分越能显著区分违约状态，债信评分体系越合理的思路，检验债信评分体系的合理性，开拓了债信评分体系检验的新思路。实证表明：包括资产负债率、恩格尔系数等24个指标的小企业债信评级体系具有显著的违约鉴别力，在债信评级时，应重点关注恩格尔系数、行业景气指数等企业外部宏观环境因素及法人代表汽车及不动产价值、担任该职务时间等法人代表基本情况因素。     

管理层讨论与分析能预示企业违约吗?——基于中国股市的实证分析

采用文本挖掘技术,对上市公司年报中的管理层讨论与分析(MD&A)内容进行文本分析,从文本相似度、文本可读性、文本语调以及管理层预期的角度构建了MD&A评价体系。通过构建代价敏感GBDT(csGBDT)模型,考察多维管理层讨论与分析指标对企业违约预测的影响,并进一步分析了对企业违约状态有重要影响的MD&A指标及其对违约状态作用的边际效应。研究表明：MD&A指标可以作为替代性数据源准确预测上市公司违约状态;MD&A指标相比传统违约预测变量的预测效果较差;MD&A指标在传统违约判别指标基础上提供了额外的信息含量;csGBDT模型显著提高了对企业(尤其是对违约企业)的判别能力,在违约预测的大数据方法中具有明显优势。在众多管理层讨论与分析指标中,对企业违约有重要影响的MD&A指标依次为：与前一年相比文本相似度、词汇总量、情感语调2、词汇总量/句子数量、情感语调1和管理层是否发出业绩预测。本文将企业违约预测的研究边界从结构化数据拓展到非结构化文本数据,有助于抑制信息不对称导致的企业违约风险。     

基于余弦相似度的企业违约预测模型及实证

企业违约预测,是通过挖掘指标数据与违约状态之间的函数关系,来预测企业未来的财务风险,其对银行贷款、股票投资、公司债券投资等具有重要的参考意义.本研究的贡献主要有三个方面:一是通过将企业的夹角余弦值而非欧氏距离作为违约状态相似性的度量,构建企业违约预测的Cos-k-means模型,避免了通过欧氏距离聚类时,忽略企业和聚类中心的角度关系以及对噪声样本和极端值敏感的弊端.二是通过构建兼顾模型违约鉴别力最大和指标组合冗余最小的目标函数,采用二进制粒子群算法(binary particle swarm optimization,BPSO)遴选指标组合,保证了构建的信用评价指标体系简洁、合理.三是通过采用企业t-d (d=1,2,3,4,5)期的指标数据和第t期的违约状态构建违约预测模型,实现了使用企业第t期的指标数据预测t+d期违约状态的目的.