【摘要】在我国,债券发行人中财务危机企业数量远小于财务健康企业,样本的非平衡性导致一般的财务预警模型在训练时对财务危机企业的特征挖掘不足、预警精度低。利用"聚类Bagging"集成方法,将样本数量较多的财务健康企业样本分成多组,将多组财务健康样本与财务危机样本进行两两配对,形成两类样本大致平衡的多个训练子集。在多个训练子集上分别构建决策树模型作为基学习器,使得决策树基学习器可以大致同等地学习健康样本与危机样本的特征。利用基学习器在测试集上的预测精度AUC值作为权重,对决策树基学习器进行加权,得到决策树集成模型,作为最终的财务预警模型。以制造业债券发行企业为样本,实证对比发现基于决策树集成的财务预警模型精度更高,说明本模型能够在总体预警正确率较高的前提下提高对财务危机企业的正确识别率。