典型文献
基于LSTM-CNN的中小企业信用风险预测
文献摘要：
针对中小企业的信用风险预测问题,文章提出了一种基于长短期记忆网络(Long Short-Term Memory,LSTM)-卷积神经网络(Convolutional Neural Network,CNN)的中小企业信用风险预测方法.首先,依据国标《企业信用评价指标》,结合中小企业的特点,构建中小企业信用风险预测指标体系,包括守信意愿、守信能力和守信表现三方面的财务与非财务指标;然后,优化LSTM-CNN的网络结构和参数,并使用Dropout方法与Batch归一化方法防止过拟合;最后,采集上市中小企业数据,对数据进行缺失值、标准化与过采样处理,利用LSTM-CNN自动提取信用风险特征,并进行信用风险预测.实验结果表明,文章构建的指标体系能够更为全面的反映信用风险状况,基于LSTM-CNN的中小企业信用风险预测效果优于其他信用风险预测模型,克服了传统方法无法对中小企业时序数据进行动态预测、忽视中小企业发展潜力与时间延续性的局限.
文献关键词：
信用风险预测;长短期记忆网络;卷积神经网络;中小企业
中图分类号：
作者姓名：
王鑫;王莹
作者机构：
北京信息科技大学经济管理学院,北京100192;智能决策与大数据应用北京市国际科技合作基地,北京 100192
文献出处：
引用格式：
[1]王鑫;王莹-.基于LSTM-CNN的中小企业信用风险预测)[J].系统科学与数学,2022(10):2698-2711
A类：
B类：
企业信用风险,信用风险预测,长短期记忆网络,Long,Short,Term,Memory,Convolutional,Neural,Network,国标,信用评价指标,风险预测指标,预测指标体系,守信,非财务指标,Dropout,Batch,归一化方法,过拟合,企业数据,缺失值,过采样,自动提取,取信,风险特征,风险状况,风险预测模型,时序数据,动态预测,中小企业发展,延续性
AB值：
0.256897
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。
