理解和预测系统性企业困境：一种机器学习方法（英）

这篇基金组织工作论文探讨了系统性企业困境的预测方法，通过公司层面的违约概率研究了55个经济体过去30年的数据。作者构建了一个基于机器学习的预警系统，预测一年内企业困境的发生。研究结果表明，信贷扩张、货币政策收紧、股价被高估以及与债务相关的资产负债表弱点都预示着企业陷入困境。系统性企业困境事件与发达和新兴市场的GDP和信贷增长的收缩程度不同，并且比金融危机更温和。研究还发现，疲软的资产负债表和全球金融状况在预测企业困境方面发挥着重要作用。