基于财务和非财务信息的债券违约预警模型研究——来自机器学习方法的经验证据

债券市场安全涉及国家的金融安全，近年来因我国债券违约频发而备受关注。基于我国债券市场特征、财务困境和制度经济学理论，引入财务信息和非财务信息变量并使用传统统计方法和机器学习方法可构建一批债券违约预警模型。研究发现：第一，对比传统统计方法构建的债券违约预警模型，基于机器学习构建的债券违约预警模型具有更高的预测准确度。第二，在使用财务信息变量的基础上引入非财务信息变量，债券违约预警模型的预测准确度大幅提高，表明非财务信息为预警模型提供了有效的增量信息。具体来说：(1)作为债券市场重要的“看门人”,审计和评级机构都能提供债券违约的预警信息，但违约前一年审计意见提供的预警信息的重要性高于信用评级提供的预警信息；(2)发债企业的所有制、上市状况及其所属地区的经济与社会环境如社会资本和营商环境对于债券违约预警具有重要作用；(3)货币政策信息对于债券违约预警也具有重要作用；(4)预警模型帮助投资者大幅降低“踩雷”的概率，极大提高了债券投资的安全性。