我国房地产行业信用风险预测的实证研究——基于Stacking融合模型

为促进房地产行业平稳发展，本文以上市房地产企业数据为背景，融合ADASYN技术及Stacking算法构建性能表现优异、数据集适应度强的预测模型，旨在测度相关信用风险，为我国防范化解房地产重大金融风险尽绵薄之力。创新之处在于：一是从宏观角度引入与房地产业息息相关的经济增长风险（GDP同比-预期GDP同比）、利率风险（10年期国债收益率）、通胀风险（0.3*PPI+0.7*CPI）等指标；二是基于融合模型思想构建预测模型，从实践层面为解决传统信用风险预测模型单一问题提供新思路。实证结果表明：1、Stacking-BPNN均超越单一模型取得性能指标最优结果 ；2、结果依然存在较高风险值的原因在于房地产相关人口及购买力存在动力不足现象与企业自身“亚健康”现象，风险企业主要集中于财务风险型房企、战略错位型房企以及缺乏竞争力型房企。