摘要
准确把握中小企业的信用风险状态,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,本文提出中小企业信用风险预测组合算法SMOTE-Boruta-LightGBM(以下简称“SBL模型”),即通过SMOTE过采样算法方式,解决样本分类不平衡问题;Boruta算法将自动筛选信用风险特征,选出真正对预测目标变量有影响的特征;LightGBM作为分类器,实现中小企业信用风险预测。为验证算法的有效性,本文以A股618家上市公司为研究对象,设计模型对比实验和模型稳定性检验进行算法测试。研究结果表明,SBL模型信用风险预测算法综合表现优于SVM、Logistic等基本模型,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。
出处
《时代经贸》
2025年第4期42-48,共7页
TIMES OF ECONOMY & TRADE
作者简介
张顺云(1998-),男,汉族,四川会理人,新疆财经大学统计与数据科学学院硕士研究生,研究方向为社会经济统计;王爱银(1978-),女,汉族,山东曹县人,博士,新疆财经大学统计与数据科学学院副教授,研究生导师,研究方向为金融理论与实践、金融风险管理等。
