基于PSO-決策樹集成算法的小企業(yè)信用評分研究.pdf

1、小企業(yè)是我國國民經(jīng)濟的重要組成部分，是社會主義經(jīng)濟建設(shè)中不可或缺的一支重要力量。自改革開放以來，隨著市場經(jīng)濟體系的建立，小企業(yè)數(shù)量迅速增加，在優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)、增加就業(yè)、科技創(chuàng)新、促進社會和諧穩(wěn)定等方面發(fā)揮了十分重要的作用。但是，在小企業(yè)為推動我國經(jīng)濟發(fā)展做出重大貢獻的同時，小企業(yè)在發(fā)展的過程中也遇到成本高、市場不成熟、產(chǎn)品技術(shù)含量低、融資難等諸多問題，其中，融資問題尤為突出。目前，我國小企業(yè)主要依賴銀行融資，但是銀行傳統(tǒng)的信用評分體系多為

2、針對大型企業(yè)建立，不適合于信用數(shù)據(jù)有效性低、影響因素復(fù)雜、財務(wù)文件不健全的小企業(yè)。因此，建立一個針對于小企業(yè)特點的低風險、高精度、高效率的小企業(yè)信用評分模型不僅能夠解決小企業(yè)貸款難的問題，同時對于提高銀行系統(tǒng)盈利及信貸業(yè)務(wù)發(fā)展也將起到重要作用。
　　在對國內(nèi)外信用評分方法及應(yīng)用系統(tǒng)梳理的基礎(chǔ)上，對小企業(yè)進行了深入剖析，指出小企業(yè)信用評分具有信用數(shù)據(jù)有效性低、影響因素復(fù)雜等特點，并選擇決策樹模型作為小企業(yè)信用評分的基本模型，并通過實

3、證實驗指出決策樹模型在應(yīng)用于小企業(yè)信用評分時的優(yōu)勢及局限性。針對評分指標高維度帶來的樣本冗余，提出采用粒子群算法來對屬性進行約簡；對于樣本數(shù)量不足導(dǎo)致不能識別現(xiàn)象，本文提出運用典型的集成算法、裝袋算法和隨機空間算法等機器學(xué)習(xí)技術(shù)與決策樹模型相結(jié)合，構(gòu)建決策樹集成模型，提高模型識別能力。實驗結(jié)果表明，與單一模型相比，PSO-決策樹集成算法能夠有效地繼承了單一模型的優(yōu)勢，避免決策樹模型在小企業(yè)信用評分中的局限，在準確度和穩(wěn)健性上對信用評分均