信用违约风险视角下我国房地产行业中心企业的识别与应用：基于CatBoost机器学习与复杂网络方法.pdf

中文摘要

在我国经济高速增长的背景下，房地产行业作为一个关键的经济支柱，为经

济建设发展注入了强大动力。住房作为国民的刚性需求，关系到重大民生问题，

因此国家密切关注房地产行业，发布了众多调控政策，旨在引导行业平稳健康发

展。然而，随着房地产市场政府政策的调控，房地产行业的融资渠道和规模都受

到了诸多限制。而其项目资金投入大、周期长等突出特点，对巨额投资资金产生

强烈需求，促使更多企业大量举债进行融资。

在信用债市场上，曾经的“刚性兑付”被打破，各行业和各品种内逐渐都出

现了实质性违约。2014年起，违约事件的数量和规模均快速增长，2018年受“去

杠杆”和资管新规的影响，更是导致违约事件呈现爆发式增长。其中，“17华

业资本CP001”成为国内房地产行业的首例实质性违约事件。虽然与其他行业相

比，房地产行业违约债券较少，违约率也偏低，但由于项目体量庞大，其债券规

模也较大，一旦违约就会为各参与方带来巨额损失。此外，近年来房企融资环境

逐渐恶化，违约主体从中小型房企渐渐向大型房企发展，打破了“大而不倒”的

认知。大型房企涉及的信用违约规模与损失更为严重，因此对高信用违约风险的

房地产企业进行识别挖掘就更为重要。

本文利用CatBoost机器学习和Shapley值特征重要性分析方法，对我国2023

年148家上市房地产企业的信用违约风险水平和风险因素进行了测度，并基于复

杂网络中的最小生成树方法构建了房地产企业信用违约风险最小生成树，对我国

房地产行业的中心企业及其关联企业进行了识别和挖掘，并对信用风险出现的规

律和原因进行了分析。研究发现：（1）2023年我国房地产行业信用违约风险中

心企业主要有碧桂园、融创中国、绿地控股、佳兆业集团以及花样年控股等，且

这几家中心企业均位于房地产企业信用违约风险最小生成树的中心位置。（2）

与中心房地产企业高度关联的房地产企业群存在着同类别公司的聚集现象，国有

企业和民营企业分别存在聚集分布的特点。（3）我国高信用违约风险企业具有

明显的地理集群现象，且大多数来自于京津冀、长三角及珠三角一带，而同一地

理区域的房企在最小生成树中也存在集聚现象。（4）我国高信用违约风险企业

内部财务指标表现相似，主要体现在流动比率低、资产负债率高、经营现金流动

负债比率低等，这都导致了我国房地产企业高信用违约风险的出现。

房地产行业信用违约风险中心企业及高度关联企业识别模型的提出，将对我

国房地产市场信用违约风险的防范具有重要意义，同时也可为我国房地产行业监

管机构制定相关政策、维护房地产行业的稳健发展提供有效建议。

关键词：信用违约风险；中国房地产企业；CatBoost；复杂网络方法

ABSTRACT

AgainstthebackdropofChinasrapideconomicgrowth,thereal

estateindustry,asakeyeconomicpillar,hasinjectedstrongimpetusinto

thedevelopmentofeconomicconstruction.Housing,asarigidnational

demand,iscrucialformajorlivelihoodissues,sothestatepaysclose

attentiontotherealestateindustryandhasissuedmanyregulatory

policiestoguidethesteadyandhealthydevelopmentoftheindustry.And

itsprominentcharacteristics,suchaslargeprojectinvestmentandlong

cycle,havegeneratedastrongdemandforhugeinvestmentfunds,

promptingmoreenterprisestoborrowalargeamountoffinancing.

Inthecreditbondmarket,theonceprevalentrigidredemptionhas

beenshattered,withsubstantivedefaultsoccur