债券损失率预测,即通过建立指标向量与债券损失率之间的函数关系,基于现有的历史数据对债券未来违约损失率进行提前预测,这对债券投资决策具有重要的参考意义。本研究第一章是绪论,第二章是损失率多阶段预测模型的原理,第三章是模型的构建,第四章是中国企业债券的实证研究,第五章是结论。本研究的重点:一是分类算法的优选,分类算法不同,对债券所属类型的判别结果不同,最终导致对损失率的预测精度也不同。二是违约风险评价标准的选择,标准的不同,对风险的度量角度不同。三是预测能力,模型的预测能力不同,对投资者用处也不同。本研究的创新与特色:一是以企业债券损失率的预测值和实际值的误差最小为目标,选择最佳的分类算法。二是通过直接预测债券的损失率,可以在已知债券本金的情况下,直接确定违约损失,避免了现有研究通过预期损失率=违约概率*违约损失率,需要同时预测违约概率和违约损失率所带来的双重预测误差。三是利用t-k(k=1,2,…,5)期的指标数据和t期的损失率建立模型,构建了预测期限长达5期的违约风险预测模型,改变了现有研究预测能力不足的问题。四是,研究表明,我们建立的“决策树+最小二乘回归”多阶段模型的预测精度,不但高于“逻辑回归+最小二乘回归”多阶段预测模型,还高于包含AdaBoost回归(ABR,AdaBoost Regression)、贝叶斯岭回归(BR,Bayesian Ridge Regression)、决策树回归(DTR,Decision Tree Regression)、Kernel岭回归(KR,Kernel Ridge Regression)、套索回归(Lasso,Lasso Linear Regression)以及支持向量机回归(SVR,Support Vector Machine Regression)在内的6个典型单阶段模型。损失率均值的Mann-Whitney U test表明:中国金融市场的债券发行企业,“教育业”的债券信用资质最好,“批发和零售业”的居中,“制造业”的最差。