一、引言自2014年我国债券市场发生首例违约以来，债券违约事件频发。据Wind数据库统计，2018年我国信用债券违约总额已达1209.1亿元，大于2014~2017年四年之和。2019年债券违约总额为1444.08亿元，相较2018年进一步增加。从历史上来看，欧债危机、美国次贷危机等都源于债券市场大面积违约，一度使得全球经济陷入危机。企业破产、财务困境和债券违约的预警研究源于20世纪60年代（Beaver，1966；Altman，1968），我国在这方面的研究也已有30多年的历史（吴世农和黄世忠，1987），后续研究（陈静，1999；张玲，2000；吴世农和卢贤义，2001）主要在2000年前后。近年来，对这一课题的新研究并不多。最近的研究发现，随着我国债券市场的发展，发债企业、债券种类和债券发行量越来越多，但债券违约事件频发，不仅债券违约数量大幅增加，种类多元，而且违约债券的信用级别呈现上升趋势，涉及的企业类型、所属行业和地区也越来越多（吴世农等，2021）。因此，如何识别、预警、防范债券违约风险，构建具有信息含量的高效的债券预警模型，成为债券违约预警研究的热点问题。本文以我国2014~2020年所有发生债券违约的发债企业和所有未发生债券违约的发债企业为样本，收集相关财务信息和非财务信息，应用Fisher判定模型和Logis⁃tic判定模型构建我国债券违约的预警模型。研究结果表明，本文所构建的债券违约预警模型具有较强的解释能力和较高的预测精度，为现有债券违约风险管理提供了新的依据和工具。本文的主要边际贡献在于：一是探讨财务预警指标及其滞后年限与债券违约预警模型准确率之间的关系，为如何选择财务指标用于债券违约的预警模型提供新的思路。二是指出哪些指标对于债券违约预警具有重要意义。三是在根据财务信息构建债券违约预警模型的基础上，探讨引入非财务信息（包括企业所有制、企业所在省份与所在行业风险情况和宏观经济情况等），是否可以有效地提高债券违约预警模型的准确度。二、文献综述债券违约的原因比较复杂，往往是内外因、财务与非郑煜，吴世农（博士生导师）基于财务信息和非财务信息的债券违约预警模型研究——Fisher模型与Logistic模型的实证分析与应用【摘要】自2014年我国债券市场发生首例债券违约以来，债券违约事件日益增多。尤其近几年来，无论是发生债券违约的企业、债券违约的只数还是违约总金额，都呈现爆发式增长和蔓延态势。在此背景下，本文使用2014~2020年债券市场全样本数据，基于财务信息构建债券违约预警模型，在F...
