基于支持向量机方法的中小企业信用评级问题研究

摘要

中小企业在我国国民经济和社会发展中处于重要的战略地位,但中小企业长期以来一直面临着融资困境,制约了其健康发展。形成融资难的原因是多方面的,如果能建立一套适用中小企业特点的信用评级方法,将在很大程度上解决银企之间的信息不对称问题,从而缓解其融资困境。但是,我国目前中小企业信用评级基本沿用大型企业的评级方法,致使其评级结果并不能准确反映真实的信用水平,难以真实反映中小企业信用风险。近年来,中小企业信用评级研究方兴未艾,取得了一系列的研究成果,也积累了很多成功经验,但仍然缺乏一套能充分反映中小企业自身特点的专用信用评级系统,因此需要对已有的中小企业信用评价指标体系和技术路线予以优化,为中小企业健康发展提供金融支持服务。　　本研究致力于中小企业信用评级指标体系的选取和技术路线的优化。文章首先对信用评级的相关理论和问题进行了详细的分析和研究,然后通过对目前商业银行指标体系缺陷性的研究情况下,结合中小企业自身特点以及信用状况水平进行系统分析后,建立了一套针对中小企业自身的信用评级指标体系。为了克服现有基于传统统计模型评级方法的局限性,本研究力图将信用评级转换为模式识别和聚类分析,通过选用一种小样本学习理论支持向量机(SVM)方法对中小企业信用状况进行评估,形成较为先进的中小企业信用评级方法。文章对该方法进行了详细的介绍,最后通过实证分析并与 BP神经网络进行比较最终证明了该方法的有效性,并对未来的深入研究进行了展望。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

第一节 研究的背景意义

第二节 国内外研究和发展现状

第三节 研究的内容

第四节 论文研究的创新点

第二章 中小型企业信用评级的概述

第一节 信用评级相关概念

第二节 信用评级发展的理论与实践

第三节 中小企业信用的特点分析

第三章 支持向量机主要原理

第一节 机器学习简介

第二节 统计学习理论简介

第三节 支持向量机理论

第四章 中小型企业的信用评级指标构建

第一节 中小企业信用评级体系设置的原则

第二节 我国中小企业信用评级体系现状与问题分析

第三节 中小型企业信用评级指标的选取

第五章 实证研究分析

第一节 样本选择与数据来源

第二节 核函数选择对分类效果的影响

第三节 实证结果分析

第六章 结论及展望

附表A.

附表B.

附表C：

附表D.

参考文献

致谢