中小微企业信贷风险评估与信贷决策算法研究

作     者：惠丹 

作者单位：沈阳师范大学 

学位级别：硕士

导师姓名：邵永运

授予年度：2023年

学科分类：12[管理学] 02[经济学] 0202[经济学-应用经济学] 1203[管理学-农林经济管理] 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] 070105[理学-运筹学与控制论] 0701[理学-数学] 

主      题：机器学习 中小微企业 BP-IPSO-SVM 风险评估 信贷决策 

摘      要：我国中小微企业自改革开放后迅速发展开来,并为改善经济民生做出了巨大贡献,其经济地位与社会作用也得到进一步肯定与提高。正是由于中小微企业在市场经济中至关重要的作用,国务院颁布了多条政策以加大对中小微企业的信贷投放,从而促进其大力发展。但由于中小微企业的自身局限性,银行在进行授信时需承担较大的信贷风险,从而产生“惜贷、“拒贷等行为。为缓解这一现象,信贷风险评估与决策模型的完善与优化尤为重要。在研究过程中,主要使用的研究方法包括:建模分析法、实证研究法与对比研究法。首先,通过对国内外相关文献、理论基础、机器学习相关技术与算法评价指标进行整理总结,为实证分析奠定了基础;其次,对所使用的企业进销账数据根据指标提取原则提取评价指标,并通过XGBoost算法为指标赋权,构建了信贷风险评价指标体系;再次,通过融合粒子群算法(PSO)与支持向量机(SVM)构建了信贷风险评估模型,为进一步提高模型准确率,提出了自适应动态调节惯性权重的IPSO-SVM模型,在此基础上结合BP神经网络构建BP-IPSO-SVM模型对无信贷记录的企业进行信贷风险评估;最后,从是否贷款、贷款利率以及贷款额度三方面构建了信贷决策模型,通过对比粒子群优化、蚁群算法和遗传算法三种智能优化算法得到了目标规划的最优解,解决了批量信贷决策的优化问题。根据实证结果可知,与其他同类型算法相比,改进后的PSO-SVM模型在有信贷记录的风险评估问题中具有较高的预测准确率,BP-IPSO-SVM模型能够很好地预测无信贷记录的风险评估问题,遗传算法在信贷决策模型中寻优效果较好,在具体假设与约束条件下得到的最终收益最大。上述结果表明,在解决中小微信贷评估问题时,文章所提出的BP-IPSO-SVM模型有着较好的分类与泛化能力;遗传算法在解决批量信贷决策优化问题时效果较好。文章丰富了中小微企业信贷风险评估与信贷决策模型方面相关研究,能够对银行授信、决策以及企业自身评价提供一定的参考价值,并可以将模型灵活运用于其他类似分类与决策问题中,具有较好的现实意义。