基于集成学习的上市企业违约风险评价

随着全球经济下行压力加大,国内债务规模的上升,越来越多的企业面临着信用风险。研究企业的违约风险,对于识别高风险违约企业,提高企业自身信誉度具有重要意义。本文通过分析43766笔上市企业数据,对企业的违约风险进行了评价。首先通过方差过滤法初步筛选得到178个候选评价指标,然后使用随机森林法进一步筛选得到了20个对企业违约影响显著的指标。本文分别建立了XGboost、LightGBM、Catboost和随机森林四个模型,使用贝叶斯调参的方法对模型参数进行优化。接下来,使用Blending的方法对前面四个模型进行融合,得到最终模型的AUC值=0.97,模型整体预测效果较好。最终模型的F1值=0.62,较之融合前的单个模型,违约企业的预测效果得到了提升。

基于循环修正思路的经济绿色发展评价研究

以绿色经济内涵为原则,结合国内外高频指标,构建了绿色经济海选指标体系;通过不可观测原则和因子分析方法对指标进行筛选,得到绿色经济评价指标体系。利用循环修正方法对各省级行政区绿色经济水平进行综合评价,避免了单一评价方法评价结果不一致的弊端。利用循环修正方法对各一级准则层进行评价,与综合评价结果对比分析,找出制约各省级行政区绿色经济发展水平的"瓶颈因素"。

基于Lasso-logistic在中小微企业信用评估中的应用

突如其来的疫情,对我国的经济造成了重大的冲击。其中,中小微企业无疑是受疫情影响最大的一个群体。对中小微企业进行信用评估,有利于银行做好风险防范工作。本文采用Lasso方法从95个可能影响中小微企业信用评估的指标中挑选出每股营业收入、资产负债率、长期借款等36个重要影响因素。采用logistic回归的方法对中小微企业进行信用评估。最终,借助ROC曲线来衡量所建模型的优劣。所建模型的AUC值为97.7%,说明模型的分类效果较好。