金融工程研究报告：基于随机森林算法的信用风险识别模型-240823-东北证券-30页

VIP专享

3.0 西装暴徒 2024-09-09 35 1.61MB 30 页免费

侵权投诉

请务必阅读正文后的声明及说明

[Table_Info1]

证券研究报告

[Table_Date]

发布时间：2024-08-23

[Table_Invest]

信用增强前

现

信用增强后

前

年化超额

5.64%

6.71%

年化波动

3.83%

3.89%

信息比率

1.47

1.72

[Table_Report]

相关报告

《沪深 300 好大高正，华安增强严快稳省》

--20240819

《ROE 和CFO 效率因子》

--20240816

《红利指数的投资价值分析》

--20240811

《上月波动率、规模、价值因子表现较优》

--20240803

《主动权益基金规模变化拆解和市场判断》

--20240731

[Table_Author]

证券分析师：王琦

执业证书编号：S0550521100001

021-61002390

wangqi_5636@nesc.cn

研究助理：江雨航

执业证书编号：S0550123070023

15822355669

jiangyh1@nesc.cn

[Table_Title]

证券研究报告 /金融工程研究报告

基于随机森林算法的信用风险识别模型

报告摘要：

[Table_Summary]

2015-2024 年，信用债违约大致经历了初步显现、集中爆发和缓和趋稳的

三个阶段。2015-2017 年，逐步出现违约事件，但数量较少。2018 年进

入爆发期，最高峰 2019 年违约主体数量达到 212 家，违约金额 1226.48

亿元。2022 年后形势转好，违约主体数和金额均大幅下降，但在监管趋

严的背景下，今年以来违约金额小幅同比提升，截至 2024/08/15，共 20

家发行主体违约，涉及债券数量 47 只，违约金额 374.44 亿元。

传统的债券违约模型包括被广泛应用的 Altman Z-score，通过计算财务

比率加权得到风险评分，以及基于期权定价理论设计的Merton 模型，将

企业违约定义为企业资产价值小于债务账面价值，使用 Black-Scholes 公

式对企业股票和负债进行估值，并推算违约概率。近年来，由于机器学

习对变量形式限制较少且具有筛选能力，兼顾样本内拟合优度和样本外

预测能力，适用于二分类的监督学习算法被逐渐应用于债券市场。

基于 Logistic 回归和随机森林算法，以上市公司信用债违约和信用评级

下调事件作为样本，选取能够直观反映企业资本结构及运营情况的各项

财务指标、交易性退市规定相关的股票量价信息（累计成交量、平均收

盘价、累计收益等）以及债券性质相关的指标（债券余额、票面利率、

剩余期限、最新主体评级）作为特征，以每年三个业绩期为周期，采用

欠采样技术平衡训练集，通过交叉验证确定最优参数，搭建和训练信用

风险识别模型。

综合评估，随机森林模型表现更优。Logistic 回归拥有更高的 AUC，但

召回率仅有 0.55，随机森林虽然 AUC 稍低，但召回率达到 0.86，即 Logistic

回归区分样本能力相对较强，但存在较多漏检（FN）的情况，鉴于信用

风险识别模型的目的为进行风险预警，秉持着“宁可信其有不可信其无”

的原则，召回率更高的随机森林模型是优选。

利用信用模型识别出具有信用事件风险的信用债/主体，及时进行排雷，

可一定程度上增强组合表现，规避信用暴雷的影响。以可转债为例，在

2022 半年报后的每个业绩期，使用随机森林信用风险识别模型对下一期

前可能产生信用事件的转债进行排除处理，回测结果显示今年以来低波

因子和估值因子多头表现显著改善，超额相对提升，收益波动降低，最

大回撤收窄，全区间表现也得到优化。

风险提示：以上结果基于数学模型与历史数据，存在模型失效的可能性。

请务必阅读正文后的声明及说明 2 / 30

[Table_PageTop]

金融工程研究

1. 信用风险事件 ...................................................................................................... 4

1.1. 违约事件统计 ........................................................................................................................... 4

1.2. 信用评级下调事件统计 ........................................................................................................... 6

2. 分类模型概述 ...................................................................................................... 8

2.1. 逻辑回归（Logistic Regression） ........................................................................................... 8

2.2. 随机森林（Random Forest） ................................................................................................... 9

2.3. 极端梯度提升（XGBoost） .................................................................................................. 10

3. 信用风险识别模型 ............................................................................................ 10

3.1. 模型搭建准备 ......................................................................................................................... 10

3.1.1. 特征的选取 ................................................................................................................................................. 10

3.1.2. 不平衡样本数据的处理............................................................................................................................... 11

3.1.3. 模型评估标准 ............................................................................................................................................. 12

3.1.4. 参数的调整 ................................................................................................................................................. 14

3.2. Logistic 回归 ........................................................................................................................... 15

3.3. 随机森林 ................................................................................................................................. 19

3.4. 模型效果对比 ......................................................................................................................... 23

4. 可转债因子信用增强 ........................................................................................ 23

4.1. 低波因子 ................................................................................................................................. 24

4.2. 估值因子 ................................................................................................................................. 26

5. 总结 ..................................................................................................................... 27

6. 参考文献 ............................................................................................................ 27

7. 风险提示 ............................................................................................................ 28

请务必阅读正文后的声明及说明 3 / 30

[Table_PageTop]

金融工程研究

图表目录

图 1：历年违约主体数量与违约金额 (2015/01/01-2024/08/15) ............................................................................. 4

图 2：违约类型分布：违约金额 ............................................................................................................................... 5

图 3：违约类型分布：违约债券数量 ....................................................................................................................... 5

图 4：债券类型分布：违约金额 ............................................................................................................................... 5

图 5：债券类型分布：违约债券数量 ....................................................................................................................... 5

图 6：违约债券申万一级行业分布 ........................................................................................................................... 6

图 7：违约债券主体最新评级分布 ........................................................................................................................... 6

图 8：历年信用评级下调主体与债券数量 (2015/01/01-2024/08/15) ..................................................................... 7

图 9：信用评级下调主体申万一级行业分布 ........................................................................................................... 7

图 10：信用评级下调债券类型分布 ......................................................................................................................... 7

图 11：信用评级下调主体上次评级分布 .................................................................................................................. 8

图 12：标准逻辑函数 ................................................................................................................................................. 9

图 13：随机森林算法示意图 ..................................................................................................................................... 9

图 14：XGBoost 算法示意图 ................................................................................................................................... 10

图 15：过采样和欠采样示意图 ............................................................................................................................... 12

图 16：混淆矩阵示意图 ........................................................................................................................................... 13

图 17：ROC 曲线示意图 ......................................................................................................................................... 13

图 18：K-折交叉验证示意图 ................................................................................................................................... 14

图 19：Logistic 回归 ROC 曲线 .............................................................................................................................. 15

图 20：Logistic 回归召回率 ..................................................................................................................................... 15

图 21：Logistic 回归系数 ......................................................................................................................................... 17

图 22：随机森林单决策树最大深度分布 ............................................................................................................... 19

图 23：随机森林单决策树抽取特征数量分布 ....................................................................................................... 19

图 24：随机森林 ROC 曲线 .................................................................................................................................... 19

图 25：随机森林召回率 ........................................................................................................................................... 20

图 26：随机森林重要性前 10 的特征 ..................................................................................................................... 20

图 27：信用事件后 1M 可转债区间收益分布 ........................................................................................................ 24

图 28：信用事件后 1M 可转债区间振幅分布 ........................................................................................................ 24

图 29：低波因子多头信用增强前后净值对比 ....................................................................................................... 25

图 30：低波因子多头超额信用增强前后净值对比 ............................................................................................... 25

图 31：估值因子多头信用增强前后净值对比 ....................................................................................................... 26

图 32：估值因子多头超额信用增强前后净值对比 ............................................................................................... 26

表 1：信用风险识别模型特征选取 .......................................................................................................................... 11

表 2：训练集与测试集的划分 ................................................................................................................................. 12

表 3：Logistic 回归 LASSO 正则化特征选中比例 ................................................................................................ 16

表 4：Logistic 回归预测信用风险事件概率与实际情况对比(24/04/30-24/08/15) ............................................... 18

表 5：随机森林特征平均重要性 ............................................................................................................................. 21

表 6：随机森林预测信用风险事件概率与实际情况对比(24/04/30-24/08/15) ..................................................... 22

表 7：Logistic 回归与随机森林效果对比 ............................................................................................................... 23

表 8：低波因子多头信用增强前后表现对比 ......................................................................................................... 25

表 9：低波因子多头超额信用增强前后表现对比 ................................................................................................. 25

表 10：估值因子多头信用增强前后表现对比 ....................................................................................................... 26

表 11：估值因子多头超额信用增强前后表现对比 ................................................................................................ 27

研报加载中……请稍候！
如果长时间未打开，您也可以点击刷新试试。

下载研报到电脑，查找使用更方便

立即下载

标签： #金融工程

摘要：

请务必阅读正文后的声明及说明[Table_Info1]证券研究报告[Table_Date]发布时间：2024-08-23[Table_Invest]信用增强前现信用增强后前年化超额5.64%6.71%年化波动3.83%3.89%信息比率1.471.72[Table_Report]相关报告《沪深300好大高正，华安增强严快稳省》--20240819《ROE和CFO效率因子》--20240816《红利指数的投资价值分析》--20240811《上月波动率、规模、价值因子表现较优》--20240803《主动权益基金规模变化拆解和市场判断》--20240731[Table_Author]证券分析师：王琦...

展开>> 收起<<

金融工程研究报告：基于随机森林算法的信用风险识别模型-240823-东北证券-30页.pdf

共30页,预览9页

还剩页未读，继续阅读