信用风险即违约风险,是指借款人因主观原因不愿或无力履行合同约定,而造成违约,致使银行等金融机构、投资者遭受损失的可能性。企业的违约预测是在目前的时刻推断企业未来时刻的违约概率。根据违约预测结果,公司的利益相关者可以调整投资策略以避免信用风险和信用危机。本研究是基于决策树最优组合的违约预测模型的研究,包括五部分内容:第一章是绪论。第二章是基于决策树最优组合的违约预测模型的基本原理。第三章是基于决策树最优组合的违约预测模型的构建。第四章是以中国上市公司为例的实证研究。第五章是结论。本研究的研究重点包括:一是在典型的随机欠采样方法中,若违约样本和非违约样本的数量比例不同,则模型的预测精度不一样。客观上必然存在一个最优的样本比例,使模型的违约预测精度最高。二是在决策树组合模型中,若决策树模型的个数不同,则预测的精度也不一样。客观上必然存在一个最优的决策树个数,使预测精度最高。三是模型的预测期问题。例如贷款决策发生在过去或现在,企业还款发生在将来,这样看来用当年的数据和当年的企业违约状态进行违约判别就没有意义,模型的违约预测期限太短,作用不大。本研究的特色与创新包括:一是在遍历违约企业与非违约企业两类样本比例的情况下,根据模型的预测精度最高反推最优比例;在多个决策树中,根据模型的预测精度最高反推决策树组合的最优决策树的个数,构建了按违约企业和非违约企业数量最优比例随机欠采样的决策树最优组合违约预测模型。二是在现有研究预测期限为3年的基础上,本研究通过以t-k年的指标数据与第t年的违约状态建模,构建了可以应用第t年的数据、预测第t+k(k=1,2,3,4,5)年企业违约概率的模型,拓展了模型的预测期限。通过与典型预测模型进行对比分析,本研究建立的违约预测模型精度最高,预测期限最长。研究发现,中国上市公司的信用特征为:“交通运输,仓储和邮政业”,“信息传输、软件和信息技术服务业”这两个行业公司的信用资质最好,而“采矿业”和“房地产业”两个行业公司的信用资质最差。北京、上海、深圳等一线城市的公司信用资质最高。舟山、开封、宝鸡等四线城市公司的信用资质最差。