基于支持向量机的中小微企业信用评级研究

发布时间:2021-02-22 07:24
  改革开放以来,中小微企业在拥有庞大体量的同时为国家创造巨大的市场收益。中小微企业想要顺应时代潮流壮大自我,资金是关键。但由于中小微企业数据透明度不够,贷款风险因素杂,金融机构对中小企业申请贷款的批核谨慎而严格。因此制定出公正合理的信用评级体系和信用评级方法成为亟待解决问题。近几年李克强总理提出“双创”概念,在双创大环境下中小微企业要想快速发展,解决融资困境的关键就是加大研发创新投入,塑造企业活力。目前研究来看,信用评级体系中包含创新指标的体系较少,缺乏关于创新的完整指标,且从未探究创新与中小微企业信用等级的关系。本文选取四个指标来细化企业研发创新投入,数据采用wind数据库新三板中制造业,依此建立LOGISTIC回归分析模型,探究四个分指标对中小微企业信用评级的影响,通过SPSS结果中-2对数似然检验、Hosmer和Lemeshow的拟合优度检验、Wald检验等表明加入四个细化指标后模型整体拟合效果更好,预测准确率更高,有加入细化指标的必要性。本文结合中小微企业的划分标准和企业特点,依据中小微企业评级指标遴选原则,并结合创新投入对中小微企业信用评级的影响研究,将4个细化指标加入指标体系... 

【文章来源】:山东大学山东省 211工程院校 985工程院校 教育部直属院校

【文章页数】:79 页

【学位级别】:硕士

【文章目录】:
中文摘要
英文摘要
第一章 绪论
    1.1 研究背景与意义
        1.1.1 研究背景
        1.1.2 研究意义
    1.2 研究内容
    1.3 主要创新点
第二章 相关概念及文献综述
    2.1 相关概念界定
        2.1.1 中小微企业划分标准
        2.1.2 信用评级
        2.1.3 信用评级指标体系
    2.2 国内外文献综述
        2.2.1 国外文献综述
        2.2.2 国内文献综述
第三章 评级方法理论基础
    3.1 合成少数类过采样算法
        3.1.1 smote算法的理论基础
        3.1.2 SMOTE算法基本步骤
    3.2 因子分析算法
        3.2.1 因子分析理论基础
        3.2.2 因子分析的基本步骤
    3.3 BP神经网络
    3.4 支持向量机
        3.4.1 最大化间隔
        3.4.2 核函数
        3.4.3 线性可分情况的支持向量机
        3.4.4 线性不可分情况的支持向量机
        3.4.5 非线性可分情况的支持向量机
    3.5 随机森林
        3.5.1 卡方检验
        3.5.2 随机森林特征评估
第四章 研发创新投入对中小微企业信用评级的影响
    4.1 Logistic回归分析理论基础
    4.2 Logistic回归分析研究准备与建模
        4.2.1 样本选取与数据来源
        4.2.2 变量确定
        4.2.3 模型建立
    4.3 Logistic回归分析实证结果与分析
        4.3.1 研发创新投入对中小微企业信用评级的影响
第五章 中小微企业信用评级体系的构建
    5.1 信用评级体系的选取原则
    5.2 信用评级指标初选
第六章 中小微企业信用评级实证研究
    6.1 基于支持向量机中小微企业信用评级实证研究
        6.1.1 数据来源
        6.1.2 SMOTE算法数据预处理
        6.1.3 SVM模型构建
        6.1.4 核函数选择
        6.1.5 核参数和惩罚因子优化
        6.1.6 模型评估
    6.2 基于随机森林中小微企业信用评级实证研究
        6.2.1 数据预处理
        6.2.2 参数调整
        6.2.3 模型评估
    6.3 基于BP神经网络中小微企业信用评级实证研究
        6.3.1 数据预处理
        6.3.2 模型构建
        6.3.3 模型评估
    6.4 分类模型对比
第七章 总结与展望
参考文献
致谢
学位论文评阅及答辩情况表


【参考文献】:
期刊论文
[1]基于因子分析法的中原经济区经济转型评价研究[J]. 侯林长略,崔永正.  中国集体经济. 2020(07)
[2]基于层次聚类改进SMOTE的过采样方法[J]. 王圆方.  软件. 2020(02)
[3]基于因子分析法的互联网上市企业财务绩效研究[J]. 朱昕玥,滕菲,张华.  会计师. 2020(03)
[4]我国中小企业融资问题分析[J]. 王静.  商业经济. 2020(01)
[5]基于因子分析法的商业银行信用风险测度研究——以16家上市银行为例[J]. 刘悦.  财会学习. 2020(02)
[6]基于环境责任的房地产企业信用评级指标体系研究[J]. 李欣汝,邓晓盈,何苗.  中国物价. 2020(01)
[7]基于SMOTE的机器学习算法准确度影响研究[J]. 沈锐.  廊坊师范学院学报(自然科学版). 2019(04)
[8]中小企业融资问题及其对策研究[J]. 宋定燕.  企业改革与管理. 2019(24)
[9]金融对外开放中信用评级监管挑战与制度因应[J]. 阎维博.  中国流通经济. 2019(12)
[10]中小企业融资方式创新研究——以杭州地区为例[J]. 孙震宇,王璐茜.  现代商贸工业. 2019(36)

博士论文
[1]基于客户信用评级的商业银行信贷管理研究[D]. 刘振华.湖南大学 2015

硕士论文
[1]“双创”背景下小微企业的信用评价体系研究[D]. 党艾娜.西安理工大学 2019
[2]基于SMOTE与优化算法的支持向量机在慢性心衰不良结局预测中的应用[D]. 程璠.山西医科大学 2019
[3]Logistic及其改进方法在个人网贷信用评分中的应用[D]. 胡晶.华中师范大学 2019
[4]中小企业融资结构与信用评级研究[D]. 乐乐.浙江工业大学 2019
[5]农村商业银行小微企业信用评级体系研究[D]. 邓世和.华南理工大学 2018
[6]基于随机森林算法的人体运动模式识别研究[D]. 刘玉琪.北京邮电大学 2018
[7]BP神经网络和Logistic回归在信用评级上的应用与模型对比[D]. 勾婷婷.重庆大学 2017
[8]基于BP神经网络的中小企业信用评级[D]. 欧阳建明.江西财经大学 2016



本文编号:3045657

论文下载
论文发表

本文链接:http://www.bigengculture.com/shoufeilunwen/xixikjs/3045657.html

上一篇:哈佛分析框架在H软件公司的应用研究  
下一篇:没有了
分享