典型文献
基于机器学习的中小微企业信贷风险评估模型实证分析
文献摘要：
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.
文献关键词：
中小微企业;信贷风险;PSO-SVM模型;BP神经网络;XGBoost算法
中图分类号：
作者姓名：
邵永运;惠丹
作者机构：
沈阳师范大学软件学院,沈阳 110034
文献出处：
引用格式：
[1]邵永运;惠丹-.基于机器学习的中小微企业信贷风险评估模型实证分析)[J].沈阳师范大学学报（自然科学版）,2022(04):289-293
A类：
信贷风险预测
B类：
基于机器学习,中小微企业,小微企业信贷,信贷风险评估,风险评估模型,评估算法,决无,PSO,XGBoost,算法计算,风险评价指标体系,实证研究法,分类效果,录下,信誉评级
AB值：
0.182678
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
