随着中国信用债市场的快速发展,信用债投资者面临的违约风险正在逐步上升。在信息披露不够及时、完整和准确的情况下,如何利用深度学习方法对信用债个体违约风险进行及时跟踪和预测,对于中国债券市场的稳定与健康发展具有重要意义。本文根据信用债违约风险演变的特点,提出采用贝叶斯变分高斯混合估计法、市场指标估计法和违约概率变动趋势倒推估计法之综合的方式估计信用债违约概率;并利用单特征重要性、平均准确率减小、平均不纯度减小以及线性分析相结合的方式筛选获取6组指标组合,采用擅长于处理具有时间相关性的深度学习LSTM方法构建了中国信用债违约风险预测模型。应用训练所得债券违约风险模型进行预测并将预测结果与国内权威评级结果相比较,结果表明:本文模型达到了较高的预测准确率,且与权威评级结果总体相当;本文模型平均评级水平略微偏低,波动性大于权威评级,解释了我国信用债发行评级虚高以及跟踪评级变动未充分反映发行人信用结构性变化的现实情况。根据本文研究结果,提出以下政策建议:监管机构应进一步完善债券发行的信息披露和约束机制,构建违约风险分担机制;投资者须关注违约风险积累和演变的过程以及风险揭示贡献因素大小的时变性特点;发行人则应不断提高公司治理能力以提升运营质量。