2001年世纪交替之际,中国将“使‘走出去’战略在建设系统有所创新”写入“十五计划”（即《国民经济和社会发展第十个五年计划纲要》）,标志着“走出去”战略正式启动,意味着中国对外开放从注重“引进来”发展为“引进来”与“走出去”并重的双轮驱动。自此以来,中国的国际贸易迅速发展,对外投资规模不断扩大,而进行对外投资的主体既有国有企业亦有大中型民营企业。根据最新的《2019年度中国对外直接投资统计公报》,目前中国的对外直接投资兼具大体量、全区域、多领域的特点,对外直接投资在2019年保持全球第二的流量,蝉联全球第三的存量,覆盖了全球180多个国家和地区,涵盖了国民经济至少18个多元行业大类,为东道国显著增加税收、创造就业、促进经济发展。在对外投资充满机遇的同时,中国企业“走出去”遇到的各类风险和挑战也日益突出,对海外投资风险系统性的管理和预测,已成为学术研究和实践中的热门话题。国内外学者对于中国企业投资海外风险的研究丰富多样,从投资不同国别区域到不同行业,涉及但不限于政治风险、经济风险、社会风险、文化风险、法律风险、行业风险等,学者们从不同角度方面利用多样的理论进行了详细的论述并尝试提出相应的风险应对措施和解决方案,这其中既有定性的理论探究和案例分析,亦有定量的实证研究,但截至目前,几乎没有研究基于机器学习的方法对海外投资风险进行分析和预测。与传统的计量经济学方法相比,机器学习的方法拥有对复杂模型更强的预测能力,不拘泥于“可解释性”,灵活地选择函数形式进行拟合数据,在无偏性做出让步以提高预测性能,而且利用大数据进行研究具有创新前瞻性。使用计量经济学和机器学习的方法对海外投资风险进行分析和预测,二者优势互补,互为稳健性分析,是本文的一大创新之处。国内外学者对于中国企业投资海外风险的研究涉及了多个国别和区域,尤其比较多地集中在风险较高或发展中国家聚集的区域,例如非洲、东南亚、拉丁美洲等。相比之下,目前对中国投资中东欧地区的研究还相对较少。但同时,在“一带一路”倡议的不断推行中,在中国—中东欧“17+1”框架的合作引领中,中国与中东欧国家的经贸关系日趋紧密,中国企业越来越多地将投资的目光转向中东欧国家,中东欧国家地处欧洲,但又因历史原因具有很多与众不同的特点,增加了海外投资项目风险识别的复杂度和难度。聚焦于中国投资中东欧地区,分析其独特的区位优势和投资禀赋,是本文的另一创新之处。鉴于以上,本文将中国企业投资中东欧的重大项目作为研究对象,根据对已有文献和案例实践的回顾,基于Miller的一体化风险管理模型,从宏观、行业、微观三个角度对企业所面临的投资风险进行归纳识别,包括宏观的政治因素、经济因素、法律因素、社会文化因素以及中微观的行业和企业项目因素。利用“中国全球投资数据追踪”（China Global Investment Tracker）数据库、世界银行（World Bank）数据库、全球治理指数（Global Governance Indicators）数据库、经合组织（Organisation for Economic Co-operation and Development）数据库、Orbis全球企业数据库等提供的数据表征项目面临的各类风险,使用计量经济学和机器方法两类方法,后者涉及线性判别分析和二次判别分析、朴素贝叶斯分类、基于树的方法（决策树、套袋、随机森林）、多分类逻辑回归、多元逻辑回归、岭回归和套索回归、主成分回归和偏最小二乘等多个模型,构建了风险分析和预测模型,展示在预测中各解释变量的影响和重要性排序,是对前人研究的学习、总结和补充,也为未来对海外投资项目的系统性风险预测和管理提供一种方法论,具有实践上的应用价值和参考借鉴意义。通过相关的论述和实证分析,得出本研究的主要结论:中国企业到中东欧十七国投资的风险来源复杂,大致可以分为微观的操作性风险、中观的结构性风险、宏观的环境性风险。从微观层面来看,中方企业净资产收益率对项目成功有着显著的负面影响,中方企业为国企对项目有促进作用但不显著。从中观层面来看,相比非制造业的项目,中国企业在中东欧投资的制造业项目的成功率更高。从宏观层面来看,东道国的汇率水平对项目成功有着显著的促进作用。东道国的反腐败水平、经济自由度对项目成功有促进作用但不显著。东道国的法治水平对项目成功有较大负面影响但不显著。逻辑树的结果表明企业净资产收益率16.47%和17.425%以及东道国法治水平指数0.83是分类项目成败的重要划分节点。综合套袋法和随机森林的结果,反腐败、净资产收益率、制造业、国企是对于预测来说最为重要的几个解释变量,在投资前期准备的过程中应重点关注这些属性。