【摘要】防控信用债的流动性风险关系到防范系统性金融风险和维护国家安全，其核心在于对风险进行有效测度和预警。本文采用2009年1月—2020年12月的中国信用债月度数据，通过尾部相关性测度信用债流动性风险，从融资约束、信用风险和噪声交易角度构建预警风险因子体系，并采用神经网络等包含11种设定的机器学习模型，预警信用债流动性风险并识别重要风险因子的作用机理。研究表明：第一，包含一层隐含层的神经网络对信用债流动性风险的预警能力最强，在不同类型债券和不同外部环境的样本中预警能力的稳定性较强，能准确预警市场层面的流动性枯竭事件；第二，券龄的重要性最高，新发行的债券会通过引发噪声交易的方式形成流动性风险，但随着券龄增加，流动性风险减少的程度是递减的；第三，流动性风险是由多类风险因子协同运动生成的，其中，经济状况变动、货币政策改变或跨市场冲击与券龄的非线性联动对于驱动流动性风险最为重要。