Key words: default prediction, optimal feature set, sample proportion, neighborhood components analysis, linear support vector machine

摘要： 信用风险预测是指构建企业历史数据与违约状态之间的对应关系，以根据现在的数据对企业在未来是否会发生违约做出预判。将近邻成分分析引入信用风险领域进行指标组合遴选，以违约预测精度AUC最大反推最优的指标组合。利用随机欠采样方法，以违约预测精度G-mean最大为标准反推违约客户与非违约客户的最佳比例，确定最优训练样本。采用 年的指标数据 和 年的企业违约状态 ，利用最优指标组合和最优训练样本建立了基于线性支持向量机的信用风险预测模型，达到了运用 年的指标数据 预测第 年企业违约状态 的效果。实证结果表明，本研究的违约预测精度高于非线性SVM、LR、DT、KNN和LDA等典型的大数据预测模型。研究发现：每股收益EPS-扣除/稀释、货币供应量 (亿元)、货币供应量 (亿元)3个指标对企业未来1~3年的短期违约状态具有关键影响；当日总市值/负债总计、每股EBITDA、固定资产周转率3个指标对企业未来4~5年的长期违约状态具有关键影响；经营活动产生的现金流量净额/经营活动净收益，审计意见类型2个指标，不论对于企业未来1-3年的短期、还是未来4~5年的长期违约状态，均有关键影响。

关键词: 违约预测, 最优指标组合, 样本比例, 近邻成分分析, 线性支持向量机