基于最优临界点的债券违约动态预警研究
来源：管理科学学报杂志2024年第11期北京时间：
作者：迟国泰，杨佳琦，周颖
单位：迟国泰,大连理工大学经济管理学院,杨佳琦,大连理工大学经济管理学院;北京航空航天大学经济管理学院,周颖,大连理工大学经济管理学院,
摘要：债券违约风险预警就是根据企业财务因素、非财务因素和外部宏观因素对未来的债券违约状态做出预测.对于不同的变量组合，违约预测的效果是不同的，势必存在一个最优的指标组合，能够最大限度地减少违约预测误差.对于不同的违约判别临界点，其违约预测效果不同，势必存在一个最优的违约判别临界点，最大限度地把违约与否的债券区分开来.本研究采用随机森林模型进行指标组合的遴选，采用Logit回归建立违约预测模型.本研究的创新，一是在最优指标组合的遴选上，对于不同的决策树棵数，在第二类错误最小的前提下，通过AUC最大反推得到了一个最优的随机森林；通过对最优随机森林中节点指标的不同组合的对比，找到AUC最大的一个指标组合.二是在最优违约判别临界点的确定上，以第一类错误与第二类错误的加权之和最小为目标函数，反推逻辑回归的最优临界点.三是本模型的预测精度高于支持向量机模型、梯度提升迭代决策树、神经网络等7种流行的大数据预测模型.基于2014年—2018年中国上市公司发行的债券数据，实证研究表明，对中国债券的中短期违约预测均有影响的关键指标为：“货币资金/短期债务”、“净利润”、“发行主体发行债券数量”、“行业景气指数”和“行业企业家信心指数”等五个指标.对短期违约预测有影响的关键指标为：“货币资产”、“速动比率”、“固定资产投资价格指数”、“货币供应量M0”.对中期违约预测有影响的关键指标为“发行主体注册资本”、“债券到期偿还量”、“债券到期指数”.
关键词：债券违约; 违约预测; 最优指标组合; 最优违约临界点; 随机森林
