【摘要】本文以2011～2022年制造型企业为例，将创新性、前瞻性、风险性等10种MD&A语义指标引入基于机器学习算法构建的碳减排信用风险预警模型中，探究引入前后模型预测效果的变化，并使用SHAP可解释法揭示预警模型决策逻辑过程。研究发现：（1）MD&A语义指标可显著提升碳减排信用风险预警模型的预测效果，如■、CV_i评估指标的提升幅度、降低幅度分别在1%～11%、0.0029～0.1944。而相较于语义指标，碳减排信用指标对模型预测效果提升更为明显；（2）总体碳减排信用风险预警效果上，XGBoost模型最佳，其次是RF和SVM模型，LR模型最差；（3）净语调1、创新性、风险性是影响碳减排信用风险的关键语义指标。当净语调1、创新性指标增大时，模型预测为正常企业的概率增加；当风险性指标增大时，模型预测为违约企业的概率增加。