我们利用随机森林（RF）方法分析了欧洲非金融企业的违约概率（PD），并评估了其对银行业压力测试的启示。为此，我们利用了企业财务报表数据（Orbis）和银行信贷登记数据（Anacredit）。研究表明，在压力测试中，随机森林相较于逻辑回归展现出更强的风险敏感性，揭示了情景严重程度对违约概率的非线性影响的新见解。此外，我们展示了如何基于随机森林的违约概率，在银行与企业网络中，通过贷款敞口作为负面情景的关键传导渠道，对银行业进行压力测试。对该网络中银行风险指数的细致检验，也揭示了随机森林凭借识别“尾部银行”的能力，在捕捉非线性方面具有更优越的表现。我们的工作对中央银行和银行监管机构均具有重要意义。