基于流形学习的企业信用风险组合评价模型

作者：罗敏; 周礼刚^*; 刘欣悦; 朱家明; 陈华友

来源：武汉理工大学学报(信息与管理工程版), 2022, 44(05): 770-822.

DOI：10.3963/j.issn.2095-3852.2022.05.011

• 流形学习
• 组合评价
• 信用风险评价
• 贝叶斯分类
• 诱导有序集成

为精准预测企业潜在的信用风险，构建基于流形学习的信用风险评价模型。首先，计算企业违约情况与财务指标的相关系数，剔除掉相关性弱的指标。其次，基于流形学习的局部线性嵌入方法对剩余指标数据进行约简，利用贝叶斯模型、决策树模型和BP神经网络模型对企业的信用风险进行分类评价，构建基于诱导有序集成的组合评价模型。对300家创业板上市企业数据进行仿真分析，为验证模型的有效性，在300家公司中(其中270家为训练样本，30家为测试样本)随机选取2组样本，使用ST公司被执行特别处理(special treatment, ST)前一年的数据进行测试，结果表明组合模型具有更高的稳定性和分类精度。

• 单位
  安徽大学