基于随机森林-支持向量机的企业债主体信用评级研究

企业债券是我国资本市场的重要组成部分,而信用评级是企业债券市场快速发展的基石。由于企业债券信用评级具有小样本、非线性、高维数等问题,传统的评级方法并不能很好地适用。采用新的机器学习方法即随机森林来对评级指标体系进行特征选择,在此基础上建立基于随机森林-支持向量机的企业债主体信用评级模型。选取120家在上海和深圳证券交易所以及银行间债券市场发行企业债的企业进行实证研究,结果显示,通过随机森林进行特征选择的随机森林-支持向量机比支持向量机模型具有更高的预测准确度。