近日，国家自然科学基金委员会管理科学部组织召开2024年度项目结题绩效评估会议，我院姚潇副教授所承担的国家自然科学基金项目“基于贝叶斯广义线性混合模型的公司债券信用风险测度研究”（项目编号：71901230）在会上获评估为“优”。

企业信用风险度量不仅关系到投资人的利益，还会影响金融市场的稳定性。本项目通过将机器学习和计量模型相结合构建信用风险的预测框架，挖掘具有信息价值的影响因素，提高信用风险的预测效果。具体来说，本项目的研究工作主要包括以下几个方面：（1）基于详细搜集的企业违约信息，深入挖掘上市企业不同程度违约事件的影响因素。从样本的非均衡性出发建立企业债券的违约风险模型，通过采用基于Wasserstein距离的生成对抗网络技术实现样本比例的再平衡，从而有效提高违约风险模型的预测效果。（2）探究回收信息在贷款违约损失率的应用，通过构建一种以回收信息为中间变量的分层学习框架，建立贷款申请特征和违约损失率之间的联系，从而能够可以同时利用申请特征和回收信息提高违约损失率的预测效果。（3）拓展贷款信用风险的预期损失和收益预测研究，通过生存分析和机器学习等多种研究方法对贷款的提前还款风险和违约风险进行预测，从而能够全面地刻画贷款的预期损失和收益并用于贷款定价。（4）利用多种不同的文本分析和深度学习方法提取企业年报中的文本语调，并用于预测上市企业的信用风险。（5）从多渠道信息披露进一步挖掘企业债券发行利差的影响因素，从融资成本的角度评估企业的信用风险。项目研究发现，企业的信用风险和债务融资成本不仅受到财务因素的影响，还能通过企业文本信息等其它形式的特征所体现。而企业的信用风险评估不仅需要考虑违约风险，还需要同时考虑回收风险以及提前还款风险从而综合评估预期损失。本研究不仅能够帮助市场参与者更好地理解和评估企业的信用风险，还凸显出信息披露在风险管理和金融产品定价所体现出重要作用，帮助监管机构进一步规范和完善企业的信息披露机制，促进债券市场的健康可持续发展。

依托基金支持，该项目围绕研究目标展开了一系列的研究，在国内外权威期刊共发表10篇期刊论文，包括《European Journal of Operational Research》《Annuals of Operations Research》,《International Journal of Forecasting》《Knowledge-Based Systems》《International Review of Financial Analysis》和《Economic Modelling》等国际权威期刊，以及《管理科学学报》《系统工程理论与实践》和《经济理论与经济管理》等国内重要期刊。

撰稿：姚潇

审核：林嵩 刘小元