【作　　者】
张杰 王凡

【作者单位】
北京工业大学经济与管理学院

【摘　　要】

      【摘要】针对传统信用风险评价模型只含有一个分类器的缺陷，本文利用AdaBoost组合分类器来对上市公司信用风险进行评价,并与基于支持向量机和神经网络的分类模型进行了效果比较。实证研究表明，组合分类器克服了单一分类器的诸多缺点，预测准确率高于单一分类器。
      【关键词】组合分类器   AdaBoost   信用风险评价

      一、信用风险及判别方法简述
　　信用风险是指在以信用关系为纽带的交易过程中，交易一方不能履行给付承诺而给另一方造成损失的可能性。自Altman 在企业财务危机及信用风险分析方面所做的开创性工作以来，多元统计分析特别是多元判别分析技术（MDA）获得了广泛应用。MDA 的最大优点在于其具有较好的解释性和简明性，其缺陷是设定有较严格的前提条件——要求数据服从多元正态分布和协方差矩阵相等。国外学者对MDA的缺陷从不同角度进行了改进，形成了两类模型，即统计模型和人工智能模型。