【摘要】 中国债券市场近年来在快速发展的同时也积累了大量风险,并自2017年起债券违约事件频发且增速居高,如何利用大数据和深度学习方法分析预测债券违约风险对中国债券市场稳定健康发展具有重要意义。本文提出了基于混合治疗分析范式和多任务机器学习框架的长短期记忆神经网络综合违约风险分析方法,首先基于混合治疗分析方法构建由违约状态判别和违约时间估计两个模块构成综合违约模型,违约状态判别模块设定为长短期记忆神经网络模型,违约时间估计模块设定为多任务长短期神经网络模型,以改进标准混合治疗分析对数据非线性分析能力不足以及违约时间估计部分违约风险等比变化等不合理假设。通过实验结果发现综合违约模型在预测区分性和时间预测性方面优于对照模型,能够以较高的时效性预测揭示风险并且较好地体现债券违约风险演变的个体差异性。同时发现市场、行业、地域以及宏观因素是影响本文信用债违约风险样本外预测能力的主要因素,财务因素能够较好地解释样本内数据表现,但其样本外的预测能力相对市场、行业、地域以及宏观因素较弱。更多还原