从债券市场的诞生起,人们就开始不断使用各种数据模型来进行机器学习,并且利用数据挖掘等技术手段来预知债务违约的情形,以此避免危机,其中逻辑回归模型,以及神经网络模型算法也被广泛应用。然而在经济历史研究中,人们多采用结构化数据如资产负债表、市场数据、以及宏观经济历史数据进行建模与预测,而对于将非结构化数据,如政治事件、舆论舆情以及企业信息添加到建模中进行债务违约预测的研究则较少。本文在梳理了历史上学者对于债务违约情况的建模研究的基础上,探讨了逻辑回归模型、BP神经网络模型对债券违约进行预测的可行性,并作出相应对比以研究模型准确性。本文从三个方面对使用事件序列数据预测债务违约进行研究。第一方面是黑白样本不均衡的研究。由于债券违约存在天然的违约事件远远少于非违约事件的情况,我们采集到的样本比例极不平衡,这对模型效果产生了较大影响,因此我们采取了欠采样的方法,对不同比例的黑白样本数据进行建模和训练,并对比其预测效果。在对比之后,我们发现,随着黑样本数量所占全体样本数量比例的不断增大,债务违约的预测更加准确,且当黑白样本处于均衡状态时,违约样本的预测率较好。第二方面是特征的构建。由于事件序列是符号化结构数据,因此对于机器学习和神经网络的模型均不适用,对于逻辑回归模型而言,本文采用固定时间窗内某只黑样本的负债主体发生事件的次数作为变量,建立逻辑回归模型。对于神经网络模型,本文采用了三种特征处理方式,分别为数字编码、one-hot编码以及word2vec编码。数字编码可以较为简洁的用数字代替事件,但存在事件间有大小关系比较的误区;one-hot编码是使用维度为17的向量代表17种不同的事件,消除了数字编码的大小比较歧义,但是one-hot编码的变量较为稀疏,内存占用大,运算效率较低;word2vec编码首先使用神经网络建立特征,每个事件用从17维的one-hot变量转为5维特征变量,该种变量既可表示不同事件间的相互关系,又不存在大小比较关系。将三种变量带入BP神经网络中后,我们发现使用word编码的数据训练出的模型效果最好。最后,本文比较了逻辑回归模型和神经网络模型的效果差异。在事件序列预测债务违约的任务中,逻辑回归模型的适用性更好。本文的研究内容在一定程度上补充了债务违约预测中对非结构化数据的利用,通过对金融事件序列预测债务违约进行多种特征处理和模型建立,寻找对该类数据的较好处理方式与建模方法,进一步提高债务违约预测模型的准确率。