基于机器学习的信用评级调整研究

评价指标和权重是信用评级体系的主体。在理论界和实务界,通常做法是人工选取能够表示企业偿债能力的财务指标,采用功效系数、专家评议等方法确定各指标的权重,进而确定评级标准。这样的方法具有较强的主观性,而且在后续跟踪评级时,容易受到评级机构分析师个人评判标准的影响。过往的定量研究也依赖于人为干预指标和样本集,并且在模型评估方面未考虑识别提取率。本文采用决策树、人工神经网络、支持向量机这三类非线性算法对企业信用评级调整情况进行数据挖掘,对指标和样本集不做任何人工干预实验表明,模型有很高的预测准确率和预测识别率。