研究目標(biāo):根據(jù)企業(yè)財(cái)務(wù)比率數(shù)據(jù),將企業(yè)經(jīng)營(yíng)狀況通過(guò)評(píng)級(jí)機(jī)構(gòu)所公布的信用級(jí)別反映出來(lái)。研究方法:本文針對(duì)傳統(tǒng)隨機(jī)森林模型在投票機(jī)制中存在的弊端,通過(guò)改進(jìn)指標(biāo)選取、重要性排序及算法優(yōu)化三個(gè)方面,創(chuàng)新性地將PSO算法運(yùn)用于基于加權(quán)隨機(jī)森林模型的企業(yè)信用評(píng)級(jí)中,并對(duì)2016年2840家中國(guó)上市企業(yè)的財(cái)務(wù)數(shù)據(jù)進(jìn)行應(yīng)用分析。研究發(fā)現(xiàn):采用PSO優(yōu)化加權(quán)隨機(jī)森林模型的上市公司信用評(píng)級(jí)準(zhǔn)確率有所提高;其評(píng)級(jí)準(zhǔn)確率普遍優(yōu)于傳統(tǒng)的決策樹(shù)、支持向量機(jī)和隨機(jī)森林模型;制造業(yè)企業(yè)信用評(píng)級(jí)狀況不佳,被標(biāo)記為財(cái)務(wù)危險(xiǎn)的企業(yè)占比較多。研究創(chuàng)新:在企業(yè)信用評(píng)級(jí)領(lǐng)域提出一種基于PSO優(yōu)化加權(quán)隨機(jī)森林模型。研究?jī)r(jià)值:為完善企業(yè)信用評(píng)級(jí)體系提供新思路。 

【文章頁(yè)數(shù)】：18 頁(yè)

【文章目錄】：
一、問(wèn)題提出
二、現(xiàn)有方法述評(píng)
三、方法的改進(jìn)
    1.隨機(jī)森林模型
        (1)泛化誤差。
        (2)OOB估計(jì)。
        (3)特征變量的重要性估計(jì)。
    2.加權(quán)隨機(jī)森林模型
    3.粒子群優(yōu)化加權(quán)隨機(jī)森林模型
        (1)粒子群優(yōu)化算法原理。
        (2)粒子群優(yōu)化加權(quán)隨機(jī)森林。
四、方法的應(yīng)用
    1.數(shù)據(jù)來(lái)源及處理
    2.指標(biāo)體系構(gòu)建
    3.特征指標(biāo)選取
    4.基于加權(quán)隨機(jī)森林模型的上市公司企業(yè)信用評(píng)級(jí)
        (1)決策樹(shù)數(shù)目對(duì)加權(quán)隨機(jī)森林算法的影響。
        (2)剪枝閾值對(duì)加權(quán)隨機(jī)森林算法的影響。
        (3)預(yù)測(cè)試樣本率對(duì)加權(quán)隨機(jī)森林算法的影響。
    5.基于粒子群優(yōu)化加權(quán)隨機(jī)森林模型上市公司企業(yè)信用評(píng)級(jí)
        (1)優(yōu)化加權(quán)隨機(jī)森林模型評(píng)級(jí)效果。
        (2)特征選擇對(duì)評(píng)級(jí)效果的影響。
    6.基于其他對(duì)比模型的上市公司企業(yè)信用評(píng)級(jí)
        (1)決策樹(shù)。
        (2)支持向量機(jī)。
        (3)各模型實(shí)證分析結(jié)果比較。
五、方法應(yīng)用需注意的事項(xiàng)


【參考文獻(xiàn)】：
期刊論文
[1]中小企業(yè)信用評(píng)級(jí)模型研究——基于CAMEL框架[J]. 龍貞杰,王善康,孫浩.  系統(tǒng)科學(xué)學(xué)報(bào). 2017(03)
[2]基于機(jī)器學(xué)習(xí)的信用評(píng)級(jí)展望研究——以發(fā)電企業(yè)為例[J]. 董申,王倩.  農(nóng)村金融研究. 2017(03)
[3]基于模糊神經(jīng)網(wǎng)絡(luò)的小微企業(yè)信用評(píng)級(jí)研究[J]. 肖斌卿,楊旸,李心丹,李昊驊.  管理科學(xué)學(xué)報(bào). 2016(11)
[4]基于隨機(jī)森林-支持向量機(jī)的企業(yè)債主體信用評(píng)級(jí)研究[J]. 陳軍飛,張強(qiáng).  金融理論與實(shí)踐. 2016(03)
[5]基于隨機(jī)森林的保險(xiǎn)客戶利潤(rùn)貢獻(xiàn)度研究[J]. 方匡南,吳見(jiàn)彬,謝邦昌.  數(shù)理統(tǒng)計(jì)與管理. 2014(06)
[6]基于logistic回歸的我國(guó)上市公司信用評(píng)級(jí)模型研究[J]. 鄒亞寶,梁紅漫.  西南金融. 2013(03)
[7]基于Logistic模型的我國(guó)上市公司信用風(fēng)險(xiǎn)預(yù)警研究[J]. 鄧晶,秦濤,黃珊.  金融理論與實(shí)踐. 2013(02)
[8]電子商務(wù)環(huán)境下中小企業(yè)信用評(píng)價(jià)[J]. 李菁苗,吳吉義,章劍林,柯麗敏.  系統(tǒng)工程理論與實(shí)踐. 2012(03)
[9]用于分類(lèi)的隨機(jī)森林和Bagging分類(lèi)樹(shù)比較[J]. 馬景義,謝邦昌.  統(tǒng)計(jì)與信息論壇. 2010(10)
[10]基于節(jié)能減排的企業(yè)信用評(píng)價(jià)指標(biāo)體系研究[J]. 李敏婷,褚義景.  武漢理工大學(xué)學(xué)報(bào). 2010(04)

碩士論文
[1]基于人工神經(jīng)網(wǎng)絡(luò)的商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估模型研究[D]. 翟萬(wàn)里.長(zhǎng)沙理工大學(xué) 2013
[2]個(gè)人信用評(píng)分混合模型研究[D]. 王帥.華東師范大學(xué) 2010
[3]PSO-BP神經(jīng)網(wǎng)絡(luò)在商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估中的應(yīng)用研究[D]. 郭陽(yáng).廈門(mén)大學(xué) 2009



本文編號(hào)：3699830