中小企業(yè)是我國(guó)國(guó)民經(jīng)濟(jì)發(fā)展中不可或缺的組成部分,是推動(dòng)國(guó)民經(jīng)濟(jì)發(fā)展促進(jìn)社會(huì)穩(wěn)定的基礎(chǔ)力量。國(guó)家統(tǒng)計(jì)局?jǐn)?shù)據(jù)顯示,2018年末,中小企業(yè)36.9萬戶。其中,中型企業(yè)5.0萬戶,小型企業(yè)31.9萬戶。中小企業(yè)的企業(yè)壽命偏短,信用風(fēng)險(xiǎn)較高,如此龐大的中小企業(yè)數(shù)量,使得運(yùn)用一套有效的中小企業(yè)信用評(píng)估模型已經(jīng)刻不容緩。目前國(guó)外學(xué)者對(duì)于中小企業(yè)信用評(píng)級(jí)模型多以本國(guó)歷史數(shù)據(jù)為樣本展開,設(shè)計(jì)思路對(duì)于我國(guó)企業(yè)的可適用性、模型參數(shù)對(duì)于我國(guó)經(jīng)濟(jì)環(huán)境的契合度都值得商榷。而早期國(guó)內(nèi)學(xué)者缺乏數(shù)據(jù)來源,在研究方法上多使用層次分析法等定性方法,缺乏數(shù)據(jù)支撐。近期研究多以商業(yè)銀行信貸數(shù)據(jù)為樣本,企業(yè)樣本已經(jīng)過銀行風(fēng)控審核,代表性偏弱。目前新三板企業(yè)由于近年擴(kuò)容樣本數(shù)量增加,財(cái)務(wù)信息公開且經(jīng)審計(jì)等優(yōu)點(diǎn),作為我國(guó)中小企業(yè)代表較為合適。本文考慮到不同行業(yè)之間的經(jīng)營(yíng)和本質(zhì)不盡相同,會(huì)對(duì)研究結(jié)果產(chǎn)生差異性,所以選取了新三板中最具有代表性的信息技術(shù)行業(yè)作為樣本,共2470家企業(yè),將59家ST和ST*的企業(yè)定為存在信用風(fēng)險(xiǎn)的企業(yè)。先對(duì)數(shù)據(jù)進(jìn)行缺失值處理、異常值處理、無量綱化處理,再以Smote算法解決樣本不平衡問題。本文以償債能力、資... 

【文章來源】：遼寧大學(xué)遼寧省 211工程院校

【文章頁數(shù)】：55 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

新三板中各行業(yè)數(shù)量

遼寧大學(xué)專業(yè)學(xué)位碩士學(xué)位論文11了科學(xué)技術(shù)從創(chuàng)建到運(yùn)用于各個(gè)行業(yè)的時(shí)間；信息行業(yè)的不斷發(fā)展促進(jìn)了技術(shù)密集型行業(yè)的完善和成長(zhǎng),對(duì)國(guó)民經(jīng)濟(jì)結(jié)構(gòu)上的改變有極大影響。圖2-1新三板中各行業(yè)數(shù)量圖2-2新三板中各行業(yè)占比數(shù)據(jù)來源：wind數(shù)據(jù)庫新三板中信息技術(shù)行業(yè)在我國(guó)七大地理地區(qū)的數(shù)量分布如圖2-3。其中華東地區(qū)與華北地區(qū)占總體信息技術(shù)行業(yè)數(shù)量的63.52%，分別為930家和639家。這既與華東和華北的地理位置有關(guān)，也與華東和華北的人才吸引有關(guān)。華北地區(qū)包括我國(guó)首都北京，而華東地區(qū)位于我國(guó)沿海一帶，對(duì)外交流便利，而信息技術(shù)行業(yè)恰恰需要高度的外部關(guān)聯(lián)性。信息技術(shù)行業(yè)的技術(shù)更新快，也被稱為是年輕人的行業(yè)，而華東地區(qū)和華北地區(qū)具有良好的外部發(fā)展條件，吸引年輕人來此工作或者創(chuàng)業(yè)。

遼寧大學(xué)專業(yè)學(xué)位碩士學(xué)位論文12圖2-3新三板中信息技術(shù)行業(yè)在我國(guó)各地區(qū)的分布2.3中小企業(yè)信用風(fēng)險(xiǎn)產(chǎn)生的原因信用風(fēng)險(xiǎn)又稱違約風(fēng)險(xiǎn)，是指借款人、交易對(duì)方或者證券發(fā)行人因?yàn)橐恍┰�，不愿意或者無法履行合同條款而構(gòu)成違約，造成銀行、交易對(duì)方或投資者遭受損失的概率。與大企業(yè)相比，無論是在人員規(guī)模、資產(chǎn)規(guī)模還是在經(jīng)營(yíng)規(guī)模上，中小企業(yè)的經(jīng)濟(jì)單位都比較校該類企業(yè)一般是由單個(gè)人或少數(shù)人提供資金，因此產(chǎn)品、服務(wù)技術(shù)相對(duì)單一，自有資本也比較匱乏，易受外部因素的影響;在經(jīng)營(yíng)上多半是由業(yè)主直接管理，管理者個(gè)人的信用觀念直接影響到企業(yè)的信用決策和信用履約。因此，中小企業(yè)信用風(fēng)險(xiǎn)具有高度的不穩(wěn)定性和個(gè)人相關(guān)性。中小企業(yè)信用風(fēng)險(xiǎn)較高既與金融行業(yè)市場(chǎng)結(jié)構(gòu)有關(guān)，也與中小企業(yè)自身的特點(diǎn)有關(guān)。因?yàn)楸疚慕榻B的是中小企業(yè)的信息技術(shù)行業(yè)的信用風(fēng)險(xiǎn)，所以結(jié)合其性質(zhì)，在部分原因中闡述科技型中小企業(yè)的信用風(fēng)險(xiǎn)產(chǎn)生的原因。2.3.1商業(yè)銀行方面一、大企業(yè)的評(píng)估體系不適用于中小企業(yè)大型企業(yè)是商業(yè)銀行信用評(píng)級(jí)的主要對(duì)象，該評(píng)估體系不適合對(duì)科技型中小企業(yè)進(jìn)行信用評(píng)估。與大型企業(yè)相比，中小企業(yè)的融資需求一般要小很多。因此，應(yīng)當(dāng)根據(jù)中小企業(yè)特點(diǎn)具有針對(duì)性的制定評(píng)級(jí)方法，這樣可以在節(jié)省評(píng)估精力的同時(shí)迅速準(zhǔn)確掌握企業(yè)還款意愿和還款能力。大中型企業(yè)評(píng)估體系在發(fā)展能

【參考文獻(xiàn)】：
期刊論文
[1]基于SMOTE-Logistic的高速公路鮮活農(nóng)產(chǎn)品綠色通道車輛稽查與分析[J]. 張凡,王宇軒,陳旻瑞,崔瑋,徐鋮鋮.  公路交通科技(應(yīng)用技術(shù)版). 2019(10)
[2]基于Logit模型的P2P網(wǎng)絡(luò)借貸平臺(tái)的風(fēng)險(xiǎn)評(píng)估[J]. 劉元鵬,田國(guó)忠.  中國(guó)集體經(jīng)濟(jì). 2019(26)
[3]中國(guó)企業(yè)“僵尸化”的SMOTE-SVM智能預(yù)警研究[J]. 李曉燕.  軟科學(xué). 2019(05)
[4]基于隨機(jī)森林的企業(yè)信用風(fēng)險(xiǎn)評(píng)估模型研究[J]. 趙亞,李田,苑澤明.  財(cái)會(huì)通訊. 2017(29)
[5]基于決策樹與Logistic回歸的P2P網(wǎng)貸平臺(tái)信用風(fēng)險(xiǎn)評(píng)價(jià)比較分析[J]. 余華銀,雷雅慧.  長(zhǎng)春大學(xué)學(xué)報(bào). 2017(09)
[6]基于聚類欠采樣的集成不均衡數(shù)據(jù)分類算法[J]. 武森,劉露,盧丹.  工程科學(xué)學(xué)報(bào). 2017(08)
[7]大數(shù)據(jù)信用評(píng)級(jí)與互聯(lián)網(wǎng)融資研究述評(píng)[J]. 安小雪.  征信. 2017(05)
[8]小微企業(yè)信用風(fēng)險(xiǎn)評(píng)估的IDGSO-BP集成模型構(gòu)建研究[J]. 胡賢德,曹蓉,李敬明,阮素梅,方賢.  運(yùn)籌與管理. 2017(04)
[9]基于LS-SVM的小微企業(yè)信用評(píng)估研究[J]. 肖斌卿,柏巍,姚瑤,李心丹.  審計(jì)與經(jīng)濟(jì)研究. 2016(06)
[10]改進(jìn)隨機(jī)森林算法在電信業(yè)客戶流失預(yù)測(cè)中的應(yīng)用[J]. 丁君美,劉貴全,李慧.  模式識(shí)別與人工智能. 2015(11)

博士論文
[1]隨機(jī)森林算法優(yōu)化研究[D]. 曹正鳳.首都經(jīng)濟(jì)貿(mào)易大學(xué) 2014

碩士論文
[1]基于隨機(jī)參數(shù)logit模型的公共交通出行方式選擇行為研究[D]. 任倩.華南理工大學(xué) 2019
[2]供應(yīng)鏈金融下的中小企業(yè)信用風(fēng)險(xiǎn)評(píng)價(jià)[D]. 歐耀輝.華南理工大學(xué) 2018
[3]基于Logistic模型的汽車金融公司個(gè)人貸款信用評(píng)分研究[D]. 李岸楊.西南大學(xué) 2017
[4]P2P借貸平臺(tái)個(gè)人信貸申請(qǐng)風(fēng)險(xiǎn)評(píng)估研究[D]. 姚香秀.西安電子科技大學(xué) 2017
[5]基于Logistic模型的P2P網(wǎng)絡(luò)借貸個(gè)人信用評(píng)估研究[D]. 王茁宇.寧波大學(xué) 2017
[6]P2P網(wǎng)貸個(gè)人信用評(píng)分模型的研究[D]. 鄭志強(qiáng).暨南大學(xué) 2016
[7]我國(guó)企業(yè)信用評(píng)級(jí)法律制度研究[D]. 李聰.南京航空航天大學(xué) 2014
[8]基于分類SVM的企業(yè)財(cái)務(wù)危機(jī)預(yù)警模型研究[D]. 溫重偉.華南理工大學(xué) 2011



本文編號(hào)：2951936