基于机器学习的中小微企业信贷风险评估模型实证分析

摘要：

为进一步提高信贷评估算法的准确性,解决无信贷记录企业的信贷风险预测问题,结合BP神经网络与PSO-SVM模型来解决中小微企业信贷风险的评估问题.首先,通过XGBoost算法计算得到指标权重构建风险评价指标体系;其次,将实证研究法、对比研究法与相关算法相结合,构建并应用PSO-SVM模型,得到PSO-SVM模型在信贷风险评估问题中的准确率为94.30％,与其他算法相比,分类效果显著,准确率有较大提升;最后,结合PSO-SVM模型与BP神经网络,成功预测了无信贷记录下企业的信誉评级与信贷风险.上述结果表明,在解决中小微企业信贷评估问题时,所提出的PSO-SVM模型有着较好的分类能力,BP-PSO-SVM模型能够预测企业信誉评级并解决无信贷记录企业的风险预测问题.

关键词：中小微企业、信贷风险、PSO-SVM模型、BP神经网络、XGBoost算法

所属期刊栏目：40

分类号：TP391.1(计算技术、计算机技术)

资助基金：教育部产学合作协同育人项目202002097034

在线出版日期：2022-10-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：289-293