汪　敏　傅祺炜



基于朴素贝叶斯网络的上市公司信用风险预警研究

汪敏傅祺炜

傅祺炜(1991-)，女，汉，江西吉安人，硕士研究生，研究方向：公司理财。

摘要：本文运用PCA方法提取出对信用风险具有显著影响的特征指标，同时运用EP-T方法离散样本数据并学习贝叶斯网络的结构与参数，以此建立朴素贝叶斯网络(Naive Bayesian Network,NB)信用风险预警模型；最后通过交叉验证(Cross Validation)对模型进行5次独立建模测试，并利用性能评价指标将NB模型与Logistic模型、MLP神经网络模型、RBF神经网络模型进行对比分析。实证研究结果表明，尽管四种模型均能对上市公司信用风险进行预警，但NB模型表现出了更好的预测精度与稳定性。

关键词：信用风险；NB模型；PCA；EP-T方法；交叉验证

引言

现代市场经济是建立在信用基础上的信用经济，如何提高信用风险预测精度、强化信用风险识别能力，越来越受到各国监管部门的重视。而上市公司作为我国经济发展的核心力量，一旦发生信用违约，不但会损害投资者的利益，而且会进一步降低信用评级，从而增加融资成本、限制融资渠道，严重的会使公司陷入破产的境地。因此，构建科学有效地信用风险预警模型对促进我国经济的健康发展具有重要的理论意义与实践意义。

而贝叶斯网络(Bayesian Network，BN)模型以贝叶斯理论为基础，不仅能更好地结合先验信息与样本信息，而且能挖掘数据间的因果关系，因而被广泛运用于信用风险预警中。其中，朴素贝叶斯网络(Naive Bayesian Network，NB)模型，因其网络结构的简易性以及在相关领域中的优秀表现受到了学者的广泛关注。……