2014年3月,“11超日债”宣布无法按时付息,成为我国第一起公募债券违约事件,这意味着刚性兑付被打破。自此,我国债市违约情况逐渐恶化,特别是在2018和2019年,债券违约数量与违约资金较前几年有大幅度上升。2020年债市违约呈现出新的特点,违约主体从民营企业向国企变迁,违约对象向高评级债券变迁。接连出现的违约事件对信债市场以及整个金融市场的稳定造成了较大冲击,不利于保障投资者的权益。因此,利用大数据算法对债券进行信用风险识别有十分重要的理论和实践意义。本文在回顾相关理论和梳理信用债相关文献的基础上,梳理了信用债违约风险的传导路径,选取了包括宏观层面、行业层面、盈利能力、偿债能力、营运能力、成长能力、公司治理、债项层面在内的29个信用债违约风险的影响因素作为特征因子输入模型,机器学习算法选取了较为新颖且此前并未在债券信用风险评估方面有过应用的Light GBM算法,并以XGBoost算法、Logistic算法和SVM算法辅以对照。本文数据考虑财报可得性,训练集样本选择的是2017年1月至2019年12月发生实质性违约的上市公司,再根据行业以违约组主体与非违约组主体1︰4的比例抽取非违约样本;本文测试集样本选择的是所有至少到2019年末未到期的上市公司债券;样本标签为预测区间内样本债券是否发生实质性违约。实证结果表明,基于Light GBM算法构建模型能够对债券违约做很好的预测,略差于XGBoost算法,但明显优于传统的Logistic算法和SVM算法。因此,本文认为Light GBM算法适用于债券信用风险评估这一领域,该算法的引入对于进一步研究提升对违约债券的预测能力是有帮助的。在证明基于Light GBM算法建立模型的合理性后,将Light GBM模型与对照模型进行了组合优化,发现改良后的模型预测效果要好于两者中较差的单个模型,且四者中更优的XGBoost模型和Light GBM模型融合形成的XGB-LGBM模型对测试集的预测效果最好。最后,本文对模型在每条样本下输出数值的意义做了阐释,根据数值大小,将测试集债券划分四个风险等级,并以此给出了模型判别正负例的临界值的设定建议,基于成功识别违约债券的目的,本文认为模型判断债券违约的临界值只应该0.5附近做小幅度的调整。