期刊专题

10.3778/j.issn.1002-8331.2202-0261

数据驱动的企业信用风险最优组合评价模型

引用
企业财务数据所提供的各类信息可以有效解释企业的信用水平,然而过多指标往往存在多重共线性问题,造成模型的过拟合,反而降低评价精度.为了约简指标数据,计算企业违约情况与财务指标的相关系数,剔除掉相关性弱的指标.采用Lasso回归方法对相关性高的指标数据进行约简,进而利用Logistic回归模型、贝叶斯模型和支持向量机三种分类模型对企业的信用风险进行分类评价.考虑到不同方法对不同企业的分类精度不同,为了综合利用各方法的优势,构建基于整数规划的企业信用风险最优组合评价模型.对300家创业板上市企业数据进行仿真分析,为了验证模型的有效性,在300家公司中(其中270家为训练样本,30家为测试样本)随机选取3组样本,使用ST公司被执行特别处理(special treatment,ST)前一年的数据进行测试,实验结果表明组合模型具有更高的稳定性和分类精度.

Lasso回归、最优组合评价、Logistic回归、贝叶斯分类、支持向量机(SVM)

59

TP18(自动化基础理论)

国家自然科学基金;国家自然科学基金;国家自然科学基金;国家自然科学基金;国家自然科学基金;国家自然科学基金;安徽省自然科学基金;安徽省学术;技术带头人及后备人选资助项目;安徽省高校学科专业拔尖人才学术资助项目;安徽省自然科学基金;安徽省自然科学基金

2023-05-30(万方平台首次上网日期,不代表论文的发表时间)

共8页

306-313

暂无封面信息
查看本期封面目录

计算机工程与应用

1002-8331

11-2127/TP

59

2023,59(10)

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn