上場企業の財務データと市場データを特徴量として、デフォルト（倒産・上場廃止）を予測する機械学習モデルを構築し、伝統的なアルトマンZスコアモデルおよびマートンモデルとの精度比較を行った。対象は2000年以降に東証に上場していた全銘柄で、デフォルトイベントは民事再生法申請、会社更生法申請、破産、上場廃止（債務超過・銀行取引停止等）を含む。特徴量として財務比率（自己資本比率、インタレストカバレッジレシオ等）20変数、市場データ（株価モメンタム、ボラティリティ、時価総額）10変数の計30変数を使用し、ランダムフォレストとXGBoostの2手法で予測モデルを構築した。時系列交差検証の結果、XGBoostモデルのAUCは0.92を記録し、Zスコアモデル（0.78）を大幅に上回った。