K均值聚類在高新技術(shù)信用評級中的應(yīng)用.pdf

1、信息時代，技術(shù)競爭在世界范圍內(nèi)愈演愈烈。近年來，高新技術(shù)產(chǎn)業(yè)迅猛發(fā)展，已經(jīng)成為國民經(jīng)濟增長的一個重要支撐，決定著國家科技力量和經(jīng)濟發(fā)展前景，也是各國普遍關(guān)注的焦點之一。然而市場經(jīng)濟的發(fā)展，提高了高新技術(shù)企業(yè)地位和作用的同時，也暴露出了現(xiàn)階段存在的不少問題。企業(yè)的發(fā)展，科研的創(chuàng)新，轉(zhuǎn)化為現(xiàn)實生產(chǎn)力的需要，使得高新技術(shù)企業(yè)面臨著大量的資金需求，因而高新技術(shù)企業(yè)在我國遲遲不能形成規(guī)模。
　　我國的高新技術(shù)企業(yè)一直不能得到金融機構(gòu)、公共政

2、策及民眾的支持，表面看來是由于高新技術(shù)企業(yè)的高風(fēng)險、信息不透明、缺乏信用保障等，分析深層次原因，則是高新技術(shù)企業(yè)的評級體系一直未能有效建立。由于信息的不對稱，資金的提供方不能有效了解需求方的信用狀況及信用狀況的變化，因而有限的資金資源不能合理地分配給資金需求方。針對這一問題，本文從第三方的角度，對高新技術(shù)企業(yè)近幾年的信用狀況進行分析，以期能夠為合理解決這一問題提高科學(xué)的參考意見。
　　傳統(tǒng)的K均值聚類算法，能夠及時快速的處理高維數(shù)

3、據(jù)，但是該算法對初始中心點選擇的隨機性大大影響了該算法的聚類效果。針對傳統(tǒng)方法的缺陷，本文利用熵值法確定對象指標的權(quán)重，并通過對評價對象的信用評分進行排序、差分等處理，最終選取了適當(dāng)?shù)闹行倪M行聚類。結(jié)果表明，改進的K均值聚類算法能夠較好的實現(xiàn)高新技術(shù)企業(yè)的信用評級，有著良好的應(yīng)用效果和現(xiàn)實意義。
　　在確定了企業(yè)信用等級的基礎(chǔ)上，本文建立了高新技術(shù)信用轉(zhuǎn)移模型。作者利用信用轉(zhuǎn)移矩陣分析了高新技術(shù)企業(yè)過去3年和未來3年的信用等級變化

4、狀況，得出了如下結(jié)論：短期來說，高新技術(shù)企業(yè)并不會存在很高風(fēng)險，破產(chǎn)概率也相對較低。但是長期看來，破產(chǎn)概率增加，銀行及其他金融機構(gòu)要注意控制風(fēng)險，及時調(diào)整資金流向。另外，本文計算得出的信用轉(zhuǎn)移矩陣，能夠有效支持目前銀行及其他金融機構(gòu)信貸風(fēng)險管理實踐，有利于經(jīng)營者進行貸款投放決策，更好地保護好資金提供方的利益。
　　最后，在上述研究的基礎(chǔ)上，利用馬爾可夫信用轉(zhuǎn)移矩陣，參照國外先進的信用風(fēng)險管理經(jīng)驗，本文以 CreditMetrics