《表2 主成分结构表：基于XGBoost算法的信用债违约预测模型》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于XGBoost算法的信用债违约预测模型》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注：表格中用符号标注绝对值较大的正系数，用●标注绝对值较大的负系数

根据风险因素分析结果，本文筛选出43个或有潜在影响变量，部分变量如表2所示。同时，选择在2013年到2018年10月22日期间到期的债券，共25907个样本，其中90个样本违约，占总样本的比例为0.347%。每个样本均有43个变量。