6、决策树、随机森林与机器学习在风险预测中的应用

决策树、随机森林与机器学习在风险预测中的应用

1. 决策树与随机森林在企业违约预测中的应用

1.1 数据来源与研究对象

研究聚焦于中小企业（SME）的违约预测，数据源自Bureau Van Dijk的AIDA数据库。选取意大利东北部地区（威尼托、特伦蒂诺 - 上阿迪杰和弗留利 - 威尼斯朱利亚）在2018年或2019年公布最后财务报表的109,836家企业。这些地区是新冠疫情封锁后首批计划并开始重新开放的地区，对脆弱企业及其脆弱性决定因素的分析，对于研究早期预警指标和制定正确政策干预至关重要。

1.2 变量设定与数据处理

• 响应变量 ：企业的法律状态，分为“违约（Default）”和“活跃（Active）”两类。“违约”类别包括所有已宣布破产、资不抵债或处于接管程序的企业。
• 输入变量 ：共104个，包括公司的一些显著特征、财务报表以及主要财务和盈利能力比率。
• 缺失值处理 ：通过接近度度量（Breiman, 2003）估计缺失值。
• 样本不平衡问题 ：在109,836家企业中，只有689家被归类为“违约”，样本存在严重不平衡。为减少“违约”案例的误分类率，对多数类（活跃企业）进行随机欠采样。

1.3 随机森林模型构建

构建了两个不同训练集大小和组成的随机森林模型：
- 模型一 ：训练集大小为10,344，其中活跃企业10