[1]卢林军　卢　畅　董浩垠.基于决策树的中小微企业信贷风险数据分析[J].大众科技,2022,24(09):5-9.
　Analysis of Credit Risk Data of Small and Medium-Sized Enterprises Based on Decision Tree[J].Popular Science & Technology,2022,24(09):5-9.
点击复制

基于决策树的中小微企业信贷风险数据分析()
分享到：

《大众科技》[ISSN:1008-1151/CN:45-1235/N]

卷:
24
期数:
2022年09
页码:
5-9
栏目:
信息技术与通信
出版日期:
2022-09-20

文章信息/Info

Title:
Analysis of Credit Risk Data of Small and Medium-Sized Enterprises Based on Decision Tree
作者:
卢林军1　卢　畅1　董浩垠2　
（1.桂林电子科技大学计算机与信息安全学院，广西 桂林 541004； 2.桂林电子科技大学建筑与交通工程学院，广西 桂林 541004）
关键词:
中小微企业; 信誉量化; 决策树; 模糊层次分析; 相关系数分析
Keywords:
small and medium-sized enterprises reputation quantification decision tree fuzzy analytic hierarchy process correlation coefficient analysis
文献标志码:
A
摘要:
银行通常需评价中小微企业情况才提供贷款，并且可以为声誉较高和信用风险较低的公司给予特殊利率优惠。文章通过信誉量化、决策树等数学模型，运用模糊层次分析法、spearman相关系数分析法以及剪枝处理等方法，设计银行对中小微企业信贷的策略。对有信贷记录的中小微企业，运用模糊层次分析法，建立信誉量化模型，取得了各个企业信贷额度占银行总信贷额度的比例，银行可根据实际额度按比例给中小微企业贷款。对没有信贷记录的中小微企业，使用决策树模型，预测企业的信誉评级和违规情况，使得无信贷记录的企业能够得到一个相对精准的信用评价。此外，还对决策树模型进行剪枝处理，提高模型的准确率和泛化性能。针对公开数据集进行测试，得到相关决策，模型具有较强的适应性，也可推广至其他领域。
Abstract:
Banks usually need to evaluate the situation of small and medium-sized enterprises before providing loans, and can give special interest rates to companies with high reputations and low credit risk. Through credit quantification, decision tree, and other mathematical models, using fuzzy analytic hierarchy process, spearman correlation coefficient analysis, pruning and other methods, design the banks credit strategy for small and medium-sized enterprises. For small and medium-sized enterprises with credit records, fuzzy analytic hierarchy process is used to establish a quantitative model of reputation, and the proportion of each enterprises credit line in the banks total credit line is obtained. The bank can lend loans to small, medium-sized and micro enterprises in proportion to the actual amount. For mall and medium-sized enterprises without credit records, the decision tree model is used to predict the credit rating and violations of the enterprises, so that enterprises without credit records can obtain a relatively accurate credit record. In addition, the decision tree model is pruned to improve the accuracy and generalization performance of the model. Testing against public data sets to obtain relevant decisions, the model has strong adaptability and can also be extended to other fields.

参考文献/References:

[1] Vieira J, Barboza F, Sobreiro V A, et al. Machine learning models for credit analysis improvements: Predicting low income families default[J]. Applied Soft Computing, 2019, 83: 105640. [2] Murjad M D, Rustam Z. Fuzzy support vector machines based on adaptive particle swarm optimization for credit risk analysis[J]. Journal of Physics: Conference Series, 2018, 1108(1): 012052. [3] 侯明. 疫情下中小微企业信贷扶持政策存在的问题和对策[D]. 长春: 吉林大学，2021. [4] 孔翼尧. 小微企业信贷管理中的问题与对策分析[J]. 时代金融，2021(19): 81-83. [5] 蒋伟. 浅析中小企业信贷问题[J]. 时代金融，2014(12): 99-100. [6] 曲蕾. 小微企业信贷管理中的问题与对策分析[J]. 商讯，2020(36): 117-118. [7] 费洪波. 银行小微企业信贷业务的问题及对策研究[D]. 成都: 西南财经大学，2019. [8] 王黎，李烨峰. 信贷资源配置视角下中小企业融资问题研究[J]. 智库时代，2018(51): 34，47. [9] 王朵朵. 徽商银行B分行小微企业信贷风险管理研究[D]. 蚌埠: 安徽财经大学，2021. [10] 陈璐璐. 工商银行JA分行小微企业信贷风险管理研究[D]. 长春: 吉林大学，2021. [11] 赵岚，李俊叶. 基于Logistic回归的企业信贷违约概率模型研究[J]. 科学技术创新，2021(23): 4-5. [12] 东雨晨. 浅析中小企业信贷融资困境及对策[J]. 商场现代化，2021(19): 58-60. [13] 翁瑜. 小微企业信贷风险定价的研究[D]. 杭州: 浙江大学，2021. [14] 王宇晴. “互联网+”视角下小微企业信贷问题研究[J]. 中小企业管理与科技(下旬刊)，2021(11): 134-136. [15] 赵苓伶，陈瑾，李笑莹，等. 基于K-Means聚类分析的中小微企业信贷策略分析[J]. 高师理科学刊，2021，41(9): 14-20. [16] 谢文华. Spearman相关系数的变量筛选方法[D]. 北京: 北京工业大学，2015. [17] 张棪，曹健. 面向大数据分析的决策树算法[J]. 计算机科学，2016，43(S1): 374-379，383. [18] 吴朋民，陈挺，王小梅. Altmetrics与引文指标相关性研究[J]. 数据分析与知识发现，2018，2(6): 58-69. [19] 由庆斌，韦博，汤珊红. 基于补充计量学的论文影响力评价模型构建[J]. 图书情报工作，2014，58(22): 5-11. [20] 司守奎，孙玺菁. 数学建模算法与应用[M]. 北京: 国防工业出版社，2015(4): 375-379.

相似文献/References:

[1]柳春 赵忠平 蓝丽 莫海媛 关山.广西中小微企业科技创新孵化体系构建研究[J].大众科技,2014,16(07):241.
　Study on the construction of scientific & technological innovation hatching systemof small and medium-sized enterprises in Guangxi[J].Popular Science & Technology,2014,16(09):241.
[2]赵忠平 柳春 蓝丽 莫海媛 关山.科技创新孵化体系的完善研究——以广西中小微企业为例[J].大众科技,2014,16(08):213.
　Study on improving scientific & technological innovation hatching system——Taking small and medium-sized enterprises in Guangxi as an example[J].Popular Science & Technology,2014,16(09):213.

备注/Memo

备注/Memo:
【收稿日期】2022-04-29 【基金项目】广西大学生创新创业训练计划立项项目（202010595168、202110595025）。 【作者简介】卢林军（2000－），男，桂林电子科技大学计算机与信息安全学院学生，研究方向为机器学习、深度学习、计算机视觉。
更新日期/Last Update: 2022-10-14