检索结果-南通市图书馆

Predicting credit bond default with Deep Learning: Evidence from China

Journal of Social Computing 2024年第1期5卷 36-45页

作者： Ning Zhang Wenhe Li Haoxiang Chen Binshu Jia Pei Deng School of Information Central University of Finance and EconomicsBeijing 100081China SDIC Taikang Trust Co. Ltd.Beijing 100034China

China’s credit bond market has rapidly expanded in recent ***,since 2014,the number of credit bond defaults has been increasing rapidly,posing enormous potential risks to the stability of the financial *** study proposed a deep learning approach to predict credit bond defaults in the Chinese market.A convolutional neural network(CNN)was selected as the classification model and to reduce the extreme imbalance between defaulted and non-defaulted bonds,and a generative adversarial network(GAN)was used as the oversampling *** on 31 financial and 20 non-financial indicators,we collected Wind data on all credit bonds issued and matured or defaulted from 2014 to *** experimental results showed that our GAN+CNN approach had superior predictive performance with an area under the curve(AUC)of 0.9157 and precision of 0.8871 compared to previous research and other commonly used classification models-including the logistic regression,support vector machine,and fully connected neural network models-and oversampling techniques-including the synthetic minority oversampling technique(SMOTE)and Borderline SMOTE *** one-year predictions,indicators of solvency,capital structure,and fundamental properties of bonds are proved to be the most important indicators.

关键词： credit bond default prediction convolutional neural network imbalanced data processing generative adversarial network

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：