注冊帳號丨忘記密碼?
1.點擊網(wǎng)站首頁右上角的“充值”按鈕可以為您的帳號充值
2.可選擇不同檔位的充值金額,充值后按篇按本計費
3.充值成功后即可購買網(wǎng)站上的任意文章或雜志的電子版
4.購買后文章、雜志可在個人中心的訂閱/零買找到
5.登陸后可閱讀免費專區(qū)的精彩內(nèi)容
【摘 要】 自2014年我國債券市場首例違約事件發(fā)生以來,債券違約屢見不鮮。文章以2014—2022年發(fā)行的公司債、企業(yè)債和中期票據(jù)為研究對象,選取財務指標與非財務指標,搭建了基于機器學習算法SMOTETomek-GWO-XGBoost的債券違約風險預警模型。結(jié)果表明:(1)與其他方法相比,GWO-XGBoost模型在準確率、召回率、未加權(quán)平均召回率以及AUC值這四個指標上具有更加優(yōu)異的表現(xiàn);(2)SMOTETomek采樣方法可以有效平衡數(shù)據(jù)樣本,因此SMOTETomek-GWO- XGBoost模型具有更高的精度與穩(wěn)定性;(3)SHAP值法可以展示不同特征變量對債券違約風險的貢獻度,有利于就重要特征進行針對性分析。(剩余13779字)
登錄龍源期刊網(wǎng)
購買文章
債券違約預警模型的優(yōu)化與提升
文章價格:6.00元
當前余額:100.00
閱讀
您目前是文章會員,閱讀數(shù)共:0篇
剩余閱讀數(shù):0篇
閱讀有效期:0001-1-1 0:00:00
違法和不良信息舉報電話:400-106-1235
舉報郵箱:[email protected]