信用风险预测是指构建企业历史数据与违约状态之间的对应关系,揭示企业的经营发展状况,进而对企业在未来是否会发生违约做出预判。信用风险预测结果不仅能为商业银行提供重要的贷款决策依据,而且能帮助股票市场、债券上的投资者做出正确投资决策。本文研究的是中国上市公司的信用风险预测问题。本文的第一章是绪论,第二章是支持向量机的相关理论,第三章是信用风险预测模型的构建,第四章是中国上市公司信用风险预测,第五章是信用风险预测模型在中航黑豹公司中的应用,第六章是结论。本文研究的重点:一是信用风险预测指标体系的构建。与企业信用状态相关联的指标众多,不同的指标组合违约鉴别能力不同,有必要寻找一个违约鉴别能力最强的指标组合,最大限度地区分违约客户和非违约客户。二是非平衡样本的处理。在利用不平衡样本建立违约判别模型时,会导致模型对违约客户的判对率下降,因此有必要对不平衡样本加以处理,以提高模型整体的预测精度。三是选取具有代表性的中航黑豹公司作为分析对象。根据中航黑豹的信用风险预测结果,从多个角度分析导致中航黑豹出现信用风险的关键因素,并提出若干防范意见。本文的创新和特色:一是首次将近邻成分分析引入信用风险领域进行指标组合遴选。在近邻成分分析算法中根据违约判别准确率最大得到马氏距离中的指标权重向量,以基于马氏距离的K-近邻的违约判别误差MSE最小为目标确定最优指标权重向量,给定一个指标权重阈值通过剔除权重小于阈值的指标得到一个指标组合,给定不同的指标权重阈值得到不同的指标组合,以指标组合的违约判别精度AUC最大反推最优的指标组合。二是利用随机欠采样将违约客户与非违约客户组成不同比例的样本,以基于线性支持向量机的违约预测精度G-mean最大为标准反推违约客户与非违约客户的最佳比例。研究结果表明,指标“每股未分配利润”和“每股净资产BPS”适合短期的违约预测,指标“资产减值损失/营业利润”和“派息比税前”适合中长期的违约预测。