近日，我院2021级管理科学与工程专业硕士研究生张平平以学生一作的身份在国际知名期刊《Finance Research Letters》上发表了题为“Credit default prediction of Chinese real estate listed companies based on explainable machine learning”的研究成果。《Finance Research Letters》由SSCI检索，在2022年IF影响因子为10.4，在BUSINESS, FINANCE类的111本期刊中排序第一位，其在中科院分区为二区。

作者基于可解释机器学习对中国房地产上市公司信用违约预测进行了研究，研究中除了财务信息外还考虑了中国年报管理层讨论与分析、股吧投资者评论和违约距离3方面指标以提高预测房地产上市公司信用违约预测的准确率，同时考虑了玻璃盒模型与黑盒模型的对比研究为不同需求的投资者提供了玻璃盒模型和黑盒模型两种选择。研究表明了：（1）在玻璃盒模型中同时考虑财务指标和管理层讨论与分析两个因素时模型预测效果最好，黑盒模型中同时考虑财务指标、管理层讨论与分析、股吧投资者评论和违约距离4方面因素时模型预测效果最好；（2）玻璃盒模型中可解释提升机（EBM）模型的预测效果显著优于逻辑回归模型且能达到和随机森林模型相当的预测效果，黑盒模型中AdaBoost模型的预测效果最好；（3）分别对EBM模型最优输入下的预测结果和AdaBoost模型最优输入下的预测结果进行可解释说明，可以发现影响这两种模型预测结果的最重要的因素均为管理层讨论与分析的情感语调指标。本研究为使用XAI方法提高信用违约预测的准确性提供了经验和证据。它还为研究结果提供了可解释的分析，满足了决策者对可解释研究结果的需求。本文可以作为监管机构制定监管措施和投资者财务决策行为的充分依据。

论文信息：

Y. Ma（导师马源源）, P. Zhang（张平平）, S. Duan and T. Zhang, Credit default prediction of Chinese real estate listed companies based on explainable machine learning. Finance Research Letters, 2023. 58, 104305.

全文链接: https://doi.org/10.1016/j.frl.2023.104305