基于深度学习的中小企业信用风险研究

作     者：万筱笛 

作者单位：山东大学 

学位级别：硕士

导师姓名：嵇少林

授予年度：2023年

学科分类：030505[法学-思想政治教育] 12[管理学] 0202[经济学-应用经济学] 02[经济学] 020208[经济学-统计学] 1203[管理学-农林经济管理] 03[法学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 020204[经济学-金融学（含∶保险学）] 07[理学] 0714[理学-统计学（可授理学、经济学学位）] 0305[法学-马克思主义理论] 

主      题：中小企业 信用风险评估指标 深度学习 Attention机制 

摘      要：当前我国高度重视中小企业发展,中央经济工作会议、“十四五规划均对服务中小企业创新发展作出了重要部署。中小企业是数量最大、最具有活力的企业群体,是我国高质量发展的主力军。然而中小企业存在融资难题,其原因就在于中小企业与金融机构之间存在的高信息不对称性。当前对中小企业信用风险的评估多集中于财务报表等传统定量数据,但实际上这种传统的基于定量数据的信用研究无法针对中小企业的特征,无法根本解决中小企业与金融机构之间的信息不对称问题。因此针对中小企业特征进行信用风险研究十分重要。首先,充分利用大数据技术带来的海量信息优势,使用文本挖掘技术,针对中小企业的信息不对称问题,深入挖掘中小企业相关数据,从定量财报数据、定性企业特征数据两个方面构建中小企业信用风险指标体系。在定量财报数据方面,建立四个评价维度的140项财务指标池,并使用特征筛选方式获得最有价值的20个财务特征。在定性企业特征数据方面,从四个评价维度共获取企业定性指标18项;同时,针对其中5项非结构化文本数据指标,使用文本挖掘技术,对其进行进一步分析得到21项三级指标。经实验证实,研究提出的定量指标以及定性指标都是有价值的,且定性企业特征指标对传统财报指标有重要补充作用。其次,在中小企业信用风险指标体系的基础上,开发了一个中小企业信用风险测度评估框架,该框架集成了多个信用风险影响因素、时间跨度和分类器模型,并提供了对中小企业信用风险的洞察。经实验验证证实,深度学习模型在预测中小企业信用风险方面与传统机器学习模型相比表现出一定的优势。最后,在深度学习模型中创新引入Attention机制,构建了基于Attention机制的LSTM中小企业信用风险测度模型。将其与一般RNN、LSTM深度学习模型进行对比实验,发现引入Attention机制后的深度学习模型在预测中小企业信用风险方面有着更好的表现。