基于不定核LS-SVM模型的公司违约概率预测.PDFVIP

DOI：10．19641/j．cnki．42-1290/f．2018．14．022 基于不定核LS-SVM模型的 公司违约概率预测 李 昊 ，梁 州 ，黄 迅 ，林 宇 （教授）1 1 2 1 【摘要】以短期融资券为研究对象，构建基于信用利差的公司违约概率样本，并将传统正定核最小 二乘支持向量机（LS-SVM）模型拓展到不定核LS-SVM模型对公司违约概率展开合理预测分析，进而 对不定核LS-SVM模型与正定核LS-SVM模型以及Logistic模型进行了全行业以及分行业公司违约概 率的预测精度对比。实证结果表明，基于不定核LS-SVM模型的公司违约概率预测模型无论在全行业还 是在分行业中均展现出最优的预测性能，且具有更为优异的稳健性。 【关键词】不定核；LS-SVM；公司违约概率；短期融资券；信用利差 【中图分类号】F830.91 【文献标识码】A 【文章编号】1004-0994（2018）14-0170-7 一、引言 得了令人满意的成果，但是上述模型却都存在前提 [ ]7 近年来，我国债券市场实现了大幅度的跨越式 条件过于苛刻、过学习、局部最小值等问题 。令人 发展，2016年全年发行债券35.6万亿元，同比增长 欣喜的是，支持向量机（SupportVectorMachine， 56.1%，各类债券余额同比增长30.7%，达到了63.8万 SVM）却正好拥有解决这些问题的突出优势，使其 亿元，约占GDP比重的85.7%。然而，在债券市场迅 具有更为优异的泛化推广能力，从而自其被提出以来， 猛发展之际，受过度投资、缺乏有效风险管理、信息 就受到广大学者的青睐并被广泛运用于金融领域的 [ ]8 不对称、投机氛围浓厚等复杂因素的综合影响，自 研究之中 。并且在传统SVM的基础上，学者们还进 2014年“11超日债”违约开始，“15五洋债”“15机床 一步研究出具有更高运算速度和更强抗干扰能力的 [ ]1 MTN001”等众多公司违约事件近年来不断涌现 。 最小二乘SVM（LeastSquareSupportVectorMachine， 这不仅扰乱了我国债券市场的既定秩序，给投资者带 LS-SVM）对公司违约概率进行预测研究，且取得了 [ ]9 来严重损失，甚至还可能诱发系统性风险，阻碍整个 较为瞩目的研究成果 。因此，本文引入LS-SVM模 经济社会的健康发展。因此，科学开展对我国债券市 型对公司违约概率进行预测研究，从而为监管部门 场公司违约概率的预测研究，对于公司经营者以及监 以及公司管理层防范风险提供合适的操作工具。 管层防范和化解风险与危机具有重大而深远的意义。 对于公司违约概率预测研究的重点在于构建 相当长时期以来，学术界与实务界已不遗余力 LS-SVM模型，而构建LS-SVM模型的关键又在于 [ ] + 10 地开发出CreditRisk 、逻辑（Logistic）回归、概率比 对核函数（KernelFunction）的选取 。虽然目前研 （Probit）回归、KMV、人工神经网络（ArtificalNeural 究均使用正定核（PositiveKernel）来构建LS-SVM [ ]