Xgboost分类器在信用债违约风险审计中的运用
【发布时间:2021年04月14日】
【来源:审计署审计科研所】
字号:【大】 【中】 【小】

张  强   隋学深  陈彦达

【摘要】本文运用有监督的机器学习Xgboost分类器,构造出一个债券信用风险审计模型,用来预测可能发生违约的债券,并对影响信用债信用风险事件的主要因素进行分析。债券信用风险审计模型可以准确地预测出债券违约发行主体,从而提升查找风险企业的效率和速度。同时,也可以通过降维大幅度减少需要重点核实和检查的会计科目和统计指标。

【关闭】    【打印】