基于随机森林算法的信用风险识别模型

创建于 2025-07-15T15:48:48.665643+08:00 更新于 2025-07-15T16:33:10.397003+08:00

摘要

2015-2024年信用债经历初现、爆发、缓和三阶段，2024年违约金额略升。基于上市公司信用债违约与评级下调样本，采用财务及量价因子，构建了欠采样随机森林和Logistic回归信用风险识别模型。随机森林召回率达0.86优于Logistic回归，识别风险更及时。基于信用模型排雷提升可转债低波动及估值因子表现，降低组合风险、提升超额收益，验证信用增强效用。[page::0][page::3][page::22]

速读内容

深度阅读