典型文献
基于SMOTETomek-RFE-MLP算法的上市公司信用风险预测
文献摘要：
准确把握上市公司的信用风险状态对监管者和银行等金融机构意义重大,融合财务指标与非财务指标构建信用风险预测指标集,文章提出了一种上市公司信用风险预测组合算法SMOTETomek-RFE-MLP.SMOTETomek混合采样算法以少数类样本过采样、多数类样本欠采样的方式解决样本分类不平衡问题;递归特征消除(Recursive feature elimination,RFE)算法将特征逐个加入模型,以分类精度为标准筛选出最优特征组合;多层感知机(Multi-layer perceptron,MLP)作为分类器实现上市公司信用风险预测.为验证算法的有效性,以2019年A股3797家上市公司的研究对象,设计基模型对比实验和消融实验进行算法测试.研究结果表明,SMOTETomek-RFE-MLP信用风险预测算法综合表现优于Adaboost等基线模型,解决了数据不平衡引起的分类紊乱和特征选择问题,对金融机构评估上市公司的违约风险具有一定的指导意义.
文献关键词：
企业信用风险;不平衡数据;递归特征消除;多层感知机
中图分类号：
作者姓名：
卢哲;张健
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;绿色发展大数据决策北京市重点实验室,北京100192
文献出处：
引用格式：
[1]卢哲;张健-.基于SMOTETomek-RFE-MLP算法的上市公司信用风险预测)[J].系统科学与数学,2022(10):2712-2726
A类：
B类：
SMOTETomek,RFE,MLP,公司信用,信用风险预测,监管者,金融机构,非财务指标,指标构建,风险预测指标,指标集,组合算法,混合采样,采样算法,少数类,过采样,欠采样,类不平衡,不平衡问题,递归特征消除,Recursive,feature,elimination,逐个,分类精度,优特,特征组合,多层感知机,Multi,layer,perceptron,分类器,基模,模型对比,消融实验,算法测试,预测算法,综合表现,Adaboost,基线模型,数据不平衡,特征选择,违约风险,企业信用风险,不平衡数据
AB值：
0.401206
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。
