NRS-SVM組合模型在中小企業(yè)信用評估中的應(yīng)用.pdf

1、從世界經(jīng)濟(jì)發(fā)展的歷程來看，中小企業(yè)一直是各國經(jīng)濟(jì)發(fā)展的驅(qū)動力量。至2009年，中國注冊的中小企業(yè)已達(dá)到1042.74萬戶，占全國企業(yè)總數(shù)的99.8％以上，工業(yè)產(chǎn)值占中國GDP的六成以上，但是中小企業(yè)融資難的問題仍然是制約其發(fā)展的主要因素。而融資難從根本上來說是中小企業(yè)與銀行之間的信息不對稱。如何合理的評估中小企業(yè)的信用狀況對于解決融資難問題起著關(guān)鍵性作用。
　　本文通過分析中小企業(yè)的特點和信用現(xiàn)狀，結(jié)合現(xiàn)有的企業(yè)信用評估方法，對比

2、分析了各類信用評估方法對于中小企業(yè)的適用性，認(rèn)為專家評分法主觀性過強(qiáng)，在評估過程中評估專員會因其自身的知識結(jié)構(gòu)偏差而導(dǎo)致選擇偏差；傳統(tǒng)的線性信用評分模型由于對于數(shù)據(jù)要求苛刻，而中小企業(yè)相對數(shù)據(jù)缺失，財務(wù)狀況不透明，因此不具有廣泛的適用性；以Merton為基礎(chǔ)的KMV等模型需要建立在大量的有效市場信息之上，而中小企業(yè)上市時間過短，違約距離難以測算；而中小企業(yè)關(guān)聯(lián)方過多的現(xiàn)象也使credit risk+表現(xiàn)不佳。而新興的機(jī)器學(xué)習(xí)類方法由于其

3、對樣本數(shù)據(jù)要求不高，自學(xué)習(xí)能力強(qiáng)，能夠有效的適用于中小企業(yè)信用評估。接著，本文討論了鄰域粗糙集和支持向量機(jī)的運(yùn)作原理和具體算法，并對兩者的優(yōu)缺點進(jìn)行了對比，分析了組合優(yōu)勢，構(gòu)建了鄰域粗糙集-支持向量機(jī)的組合模型。首先在建立中小企業(yè)信用評價指標(biāo)體系過程中，引入鄰域粗糙集理論對指標(biāo)進(jìn)行屬性約減，客觀的對指標(biāo)進(jìn)行了篩選。然后將約減后的指標(biāo)作為支持向量機(jī)的輸入進(jìn)行分類預(yù)測。
　　最后，本文使用2008年至2009年的中小板上市企業(yè)數(shù)據(jù)對模