NRS-SVM組合模型在中小企業(yè)信用評估中的應用.pdf

1、從世界經濟發(fā)展的歷程來看，中小企業(yè)一直是各國經濟發(fā)展的驅動力量。至2009年，中國注冊的中小企業(yè)已達到1042.74萬戶，占全國企業(yè)總數的99.8％以上，工業(yè)產值占中國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鍵性作用。
　　本文通過分析中小企業(yè)的特點和信用現狀，結合現有的企業(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，認為專家評分法主觀性過強，在評估過程中評估專員會因其自身的知識結構偏差而導致選擇偏差；傳統(tǒng)的線性信用評分模型由于對于數據要求苛刻，而中小企業(yè)相對數據缺失，財務狀況不透明，因此不具有廣泛的適用性；以Merton為基礎的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)關聯方過多的現象也使credit risk+表現不佳。而新興的機器學習類方法由于其

3、對樣本數據要求不高，自學習能力強，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的運作原理和具體算法，并對兩者的優(yōu)缺點進行了對比，分析了組合優(yōu)勢，構建了鄰域粗糙集-支持向量機的組合模型。首先在建立中小企業(yè)信用評價指標體系過程中，引入鄰域粗糙集理論對指標進行屬性約減，客觀的對指標進行了篩選。然后將約減后的指標作為支持向量機的輸入進行分類預測。
　　最后，本文使用2008年至2009年的中小板上市企業(yè)數據對模