基于机器学习的小型和微型企业信用风险评估

科学领域:

• 金融风险管理 金融风险管理
• 机器学习应用 机器学习应用
• 小型和微型企业发展发展

背景情况:

• 小型和微型企业 (SMEs) 对于经济增长至关重要.
• 有效的信用风险管理对于中小企业发展至关重要.
• 由于数据不平衡,准确的信用评估具有挑战性.

研究的目的:

• 为中小企业开发一个强大的信贷风险评估模型.
• 确定影响中小企业信用能力的关键因素.
• 提高中小企业融资的准确性和效率.

主要方法:

• 使用不平衡的样本处理算法,包括SMOTE (合成少数人过量采样技术) 算法.
• 使用机器学习分类器来识别低可信度的关键因素.
• 开发了一个基于显著特征的XGBoost分数卡模型.

主要成果:

• 在处理不平衡数据集时,SMOTE与XGBoost的集成显示了性能优势.
• 值得信赖的财务信息被确定为信用风险的核心决定因素.
• XGBoost评分卡模型显著提高了信用风险评估的准确性.

结论:

• 拟议的模型提供了一种改善中小企业信用风险评估的实际工具.
• 调查结果支持提高企业的稳定性和早期信用风险警告.
• 该研究提升了小微企业的融资效率.