基于XGBoost的中国上市公司违约风险预测模型OA北大核心CSSCICSTPCD
Default Risk Prediction Model for Chinese Listed Companies Based on XGBoost
准确预测上市公司的违约风险,是企业信用风险评价的关键,也是金融机构信贷决策的重要依据.通过线性回归模型的信息量 AIC 遴选违约判别能力最大的指标组合,采用粒子群优化算法构建基于XGBoost的违约预测模型.选取中国A股 3 425 家上市公司不同时间窗口的数据为样本进行违约预测,将所构建的PSO-XGBoost模型与逻辑回归、支持向量机等 13 种预测模型对比,验证所建模型的有效性.通过UCI数据库中的 3 个公开信用数据集,利用 Friedm…查看全部>>
Accurate prediction of default risk of listed companies is essential to credit risk evaluation and an important basis for financial institutions to make credit decisions.This paper,by selecting the optimal feature subset with a strong default discriminative ability using the linear regression model based on the Akaike information criterion(AIC)measure,and utilizing particle swarm optimization(PSO)algorithm,builds an extreme gradient boosting(XGBoost)default …查看全部>>
迟国泰;王珊珊
大连理工大学 经济管理学院,辽宁 大连 116024大连理工大学 经济管理学院,辽宁 大连 116024
经济学
违约预测指标组合遴选决策树参数
default predictionfeature subset selectionparameters for decision tree
《系统管理学报》 2024 (3)
735-754,20
国家自然科学基金重点项目(71731003)国家自然科学基金面上项目(72071026,72173096,71971051,71971034,71873103)国家自然科学基金青年科学基金资助项目(71901055,71903019)国家自然科学基金地区科学基金资助项目(72161033)国家社会科学基金重大项目(18ZDA095)
评论