本文選題：隨機森林 + 信用風(fēng)險　； 參考：《暨南大學(xué)》2017年碩士論文

【摘要】：國內(nèi)外學(xué)者一直將信用風(fēng)險及其計量模型作為經(jīng)濟、金融等領(lǐng)域的研究前沿。隨著我國經(jīng)濟邁入“新常態(tài)”這一重要戰(zhàn)略機遇期,制造行業(yè)面臨著宏觀政策調(diào)整、產(chǎn)業(yè)轉(zhuǎn)型升級等一系列挑戰(zhàn)。制造業(yè)不僅是實體經(jīng)濟的支柱行業(yè),而且在資本市場中也占據(jù)半壁江山,在我國金融市場日趨完善的大背景下,出現(xiàn)連續(xù)虧損、信用風(fēng)險的企業(yè)將被市場和投資者拋棄,因此,信用風(fēng)險評價模型的建立不僅可以豐富該領(lǐng)域的研究,還可以給信息使用者提供更加可靠的判斷依據(jù)。本文在近幾年國內(nèi)外學(xué)者對隨機森林和信用風(fēng)險問題的探索、研究基礎(chǔ)上,以制造業(yè)上市公司為研究對象,搜集并整理了160家公司兩年中期報告的財務(wù)數(shù)據(jù),共計包含五個維度的26個財務(wù)指標(biāo)。研究思路包括異常樣本的篩減、指標(biāo)體系的構(gòu)建以及隨機森林模型的建立和相關(guān)參數(shù)的優(yōu)化,我們把樣本劃分為訓(xùn)練集和測試集,將訓(xùn)練集用于模型的訓(xùn)練,將測試集用于模型預(yù)測效果的檢驗,發(fā)現(xiàn)隨機森林有較高的分類正確率。為了更加直觀的反映隨機森林在解決目標(biāo)行業(yè)信用風(fēng)險問題上的優(yōu)越性能,我們運用本次實驗數(shù)據(jù),將優(yōu)化前后的隨機森林模型與CART、SVM模型進(jìn)行對比分析,得到了隨機森林模型性能更優(yōu)、判別更準(zhǔn)確的結(jié)論�？偟膩碚f,將隨機森林理論應(yīng)用在信用風(fēng)險評價領(lǐng)域,通過建立和優(yōu)化模型來評價和識別風(fēng)險,對于豐富理論研究和服務(wù)實體經(jīng)濟都有著重要的意義。
[Abstract]:Domestic and foreign scholars have always regarded credit risk and its measurement model as the frontier of economic and financial research. With China's economy entering an important strategic opportunity period of "new normal", the manufacturing industry is facing a series of challenges, such as macro-policy adjustment, industrial transformation and upgrading. The manufacturing industry is not only the pillar industry of the real economy, but also occupies half of the capital market. Under the background of our country's financial market becoming more and more perfect, the enterprises with credit risk will be abandoned by the market and investors. The establishment of credit risk assessment model can not only enrich the research in this field, but also provide a more reliable basis for information users. On the basis of the research on stochastic forest and credit risk in recent years, this paper collects and collates the financial data of 160 companies in the interim report of two years, taking listed companies in manufacturing industry as the research object. A total of 26 financial indicators with five dimensions are included. The research ideas include the sifting of abnormal samples, the construction of index system, the establishment of stochastic forest model and the optimization of relevant parameters. We divide the samples into training sets and test sets, and apply the training sets to the training of models. The test set is used to test the effect of model prediction, and it is found that the classification accuracy of random forest is higher. In order to reflect more intuitively the superior performance of stochastic forest in solving the problem of credit risk in target industry, we use the experimental data to compare and analyze the stochastic forest model before and after optimization and the SVM model of CARTN. The conclusion that the stochastic forest model has better performance and more accurate discrimination is obtained. In general, the application of stochastic forest theory in credit risk assessment, through establishing and optimizing models to evaluate and identify risks, is of great significance for enriching theoretical research and serving the real economy.
【學(xué)位授予單位】：暨南大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：F832.51;F424;F406.7

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 許勇剛;張建業(yè);龔小剛;姜珂;周歡;殷繼英;;基于改進(jìn)隨機森林算法的電力業(yè)務(wù)實時流量分類方法[J];電力系統(tǒng)保護(hù)與控制;2016年24期

2 于曉虹;樓文高;;基于隨機森林的P2P網(wǎng)貸信用風(fēng)險評價、預(yù)警與實證研究[J];金融理論與實踐;2016年02期

3 丁君美;劉貴全;李慧;;改進(jìn)隨機森林算法在電信業(yè)客戶流失預(yù)測中的應(yīng)用[J];模式識別與人工智能;2015年11期

4 宋華;殷明月;;制造業(yè)信用風(fēng)險研究——基于上市公司的實證分析[J];宿州學(xué)院學(xué)報;2015年06期

5 鄒薇;;基于修正的KMV模型下制造業(yè)上市公司信用風(fēng)險預(yù)測[J];求索;2014年06期

6 運迪;周建輝;;基于改進(jìn)Z值模型的企業(yè)信用風(fēng)險評估與檢驗[J];統(tǒng)計與決策;2014年10期

7 孟杰;;隨機森林模型在財務(wù)失敗預(yù)警中的應(yīng)用[J];統(tǒng)計與決策;2014年04期

8 吳瓊;李運田;鄭獻(xiàn)衛(wèi);;面向非平衡訓(xùn)練集分類的隨機森林算法優(yōu)化[J];工業(yè)控制計算機;2013年07期

9 李欣海;;隨機森林模型在分類與回歸分析中的應(yīng)用[J];應(yīng)用昆蟲學(xué)報;2013年04期

10 張蔚虹;朱海霞;;Z-Score模型對科技型上市公司財務(wù)風(fēng)險預(yù)警的適用性檢驗[J];科技管理研究;2012年14期

相關(guān)博士學(xué)位論文 前1條

1 曹正鳳;隨機森林算法優(yōu)化研究[D];首都經(jīng)濟貿(mào)易大學(xué);2014年

相關(guān)碩士學(xué)位論文 前6條

1 黃衍;基于隨機森林的制造業(yè)上市公司財務(wù)預(yù)警模型研究[D];華東交通大學(xué);2013年

2 李麗;基于隨機森林算法的企業(yè)信用風(fēng)險評價研究[D];西南財經(jīng)大學(xué);2012年

3 林娟;基于Logistic模型和KMV模型的我國上市公司違約率實證分析[D];東北財經(jīng)大學(xué);2011年

4 溫重偉;基于分類SVM的企業(yè)財務(wù)危機預(yù)警模型研究[D];華南理工大學(xué);2011年

5 孫麗麗;基于屬性組合的隨機森林[D];河北大學(xué);2011年

6 雍凱;隨機森林的特征選擇和模型優(yōu)化算法研究[D];哈爾濱工業(yè)大學(xué);2008年

，

本文編號：2068392