近年来,随着经济社会的不断发展,公司作为现代社会不可或缺的组成部分,已经成为了国民经济发展的重要影响动力。而为了增加公司自身资金可流动性、扩大自身经营规模,通过发行债券便成了公司最为主要的融资渠道。但是在公司不断融资发展的同时,也面临着越来越多的问题,其中因发行债券造成的公司违约成为了当前亟需解决的公司违约风险问题,特别是在金融危机后,一旦公司发生违约,这一定会打破债券市场乃至金融市场的既定秩序,带给金融经济市场较大地负面情绪,甚至可能造成系统性风险,对金融经济社会的稳定发展造成严重影响。因此,如何构建科学有效的公司违约风险预测模型,准确预测公司违约风险,对监管者、公司经营者以及投资者防范与化解风险具有重要且深远的影响意义。基于以上分析与认识,本文以发行短期融资券的公司作为本文的研究对象,在设定筛选标准对样本剔除后共计4040个样本,同时选择25个特征指标,并运用相关性分析技术对财务特征指标进行筛选,将筛选后的19个特征指标纳入模型的构建体系之中。同时,本文基于信用利差对公司违约风险合理测算,从而构建了公司违约风险变量。此外,本文选择RMSE、MAPE以及MAE作为本文的评价指标,并运用5折交叉验证方法对预测模型展开研究分析。在此基础上,考虑到传统统计模型以及神经网络模型面临的难以处理非线性关系以及易陷入局部最优解等缺陷,引入了非线性的SVR公司违约风险预测模型,展开了预测研究分析。进一步,因SVR模型所预测结果偏向多数的公司违约风险正常变量,难以克服对公司违约风险异常变量精准预测的弊端,本文又引入Twin-SVR来解决传统SVR模型面临的问题,从而构建出了Twin-SVR公司违约风险预测模型,并通过大量的实证研究,对Twin-SVR模型的预测性能综合分析。实证结果表明了:(1)引入RBF、Polynomial、Linear以及Sigmoid核函数与SVR模型的依次组合,使用RBF核函数的SVR公司违约风险预测模型能够达到预测的预测精度,同时RBF核函数与其他核函数所获得的预测精度的配对样本T检验均在5%的显著性水平上显著,这表明了使用RBF核函数能够得到最优SVR公司违约风险预测模型。(2)在Twin-SVR公司违约风险预测模型自身的分析中可以得到,相较于Polynomial、Linear以及Sigmoid使用RBF核函数下的Twin-SVR模型不仅拥有最优的预测精度,同时在配对样本T检验中也显著优于其他核函数,表明了RBF核函数是运用Twin-SVR模型于公司违约风险预测研究中的首要选择。(3)将Twin-SVR与SVR、BPNN以及Logistic公司违约风险预测模型的对比研究中可以发现,Twin-SVR模型具有最优的预测精度,且在配对样本T检验的过程中显示Twin-SVR模型显著地优于SVR、BPNN以及Logistic模型。(4)考虑到不同行业是否影响到Twin-SVR公司违约风险预测模型的泛化性能,本文在分行业中对Twin-SVR与SVR、BPNN以及Logistic模型展开预测精度的比较以及配对样本T检验分析,实证结果表明了,使用Twin-SVR公司违约风险预测模型能够获得最优的预测精度,同时所获取的预测结果显著优越于其他公司违约风险预测模型。(5)对影响Twin-SVR公司违约风险预测性能的特征指标解释能力进行研究。实证结果表明了,无论是整体行业还是分行业下对于Twin-SVR模型的特征指标解释能力来说,信用评级是影响Twin-SVR模型公司违约风险预测的首要特征指标,是否为国有企业、净资产收益率、总资产报酬率以及应付账款周转率则应依照行业(煤炭、钢铁以及有色金属行业)划分为信用评级之后的特征指标。基于以上分析与认识,本文认为,Twin-SVR公司违约风险预测模型是监管者、公司经营者以及投资者防范风险优异的可操作工具。对于监管者而言,能够运用Twin-SVR模型对未来一段时间发行短期融券的公司进行预测监管,从而及时制定维护市场稳定、经济平稳运行及其防范风险的宏观政策。对于公司经营者而言,能够运用基于Twin-SVR公司违约风险预测模型以更好地对自身财务状况理性分析,以维护公司声誉及其公司发展。对于投资者而言,也能够运用该模型,提前对公司违约信号进行捕获,从而做到良好配置资产目的,更能实现资金的保值升值作用。