Empleamos un enfoque de intensidad hacia adelante para predecir los incumplimientos multiperiodales de las empresas cotizadas en China durante el período 2001-2019 de manera mensual. Introdujimos la heterogeneidad del incumplimiento de la empresa en el modelo, y se consideró la situación real de incumplimiento pasado de cada empresa para la estimación bayesiana. Se realizó una estimación de pseudo-verosimilitud máxima en 3513 empresas para calcular los parámetros del modelo bayesiano y ajustar la intensidad de incumplimiento de las 4216 empresas. Finalmente, recalculamos las probabilidades de incumplimiento y las comparamos con las probabilidades de incumplimiento originales de las 703 empresas fuera de la muestra para todos los horizontes de predicción. Encontramos que el modelo bayesiano, al considerar la heterogeneidad del incumplimiento de la empresa, mejoró la relación de precisión de predicción de las probabilidades de incumplimiento de las empresas fuera de la muestra tanto para horizontes cortos como largos. En comparación con el modelo original, la relación de precisión de predicción de las probabilidades de incumplimiento de las empresas fuera de la muestra, que fueron calculadas por nuestro modelo, aumentó casi un 15% para horizontes de 1 mes a 6 meses. Cuando el horizonte se extendió de 1 año a 3 años, la relación de precisión de predicción aumentó en más del 10%. Encontramos que el modelo bayesiano mejoró el rendimiento predictivo del modelo de intensidad hacia adelante, lo cual es útil para mejorar el sistema de medición del riesgo crediticio de las empresas cotizadas en China.