信息技术企业信用风险评估探究——基于支持向量机的分析视角

摘要

2018 年以来中美贸易冲突不断加剧背景下，中兴、华为等国内最具代表性的科技创新型企业，正面临着越来越多的技术和市场封锁，技术创新再次成为全社会关注焦点。中国经济要健康发展，就必须加大对信息技术企业的创新激励和资金投入。资本市场和货币市场为信息技术企业发展提供了融资渠道，但我国的信息技术企业业绩良莠不齐，科研实力分化严重，且公司治理结构不够完善，导致公司高管的道德风险、信用风险较大，不利于科技产业的可持续发展，给投资者和授信商业银行带来了巨大的损失风险，因此及时高效的信用评估尤为重要。信用风险是在企业经营过程中逐渐发生的，具有可预测性。若能在企业经营过程中通过若干财务指标和非财务指标发现信用水平的恶化，对于防范企业信用风险具有十分重要的意义和实用价值。　　论文通过对信息技术企业信用风险评估相关文献的研究，依据企业的财务状况，构建信用风险评估体系，以提升企业自身的风险管理水平和投资者的风险识别能力。论文选取了沪深两市2012-2017年存续至今的信息技术上市企业为研究对象，采用SVM分类方法建立了信息技术企业的信用风险评估模型。论文的实证研究主要分三步进行：第一步，研究样本的设计，论文选取了2017年的245家信息技术类上市公司，并对其进行三分类，用(t-3)年的基本面数据对t年的信用状况进行预测。第二步，指标的构建与筛选，选取了反映偿债水平、盈利水平、营运水平、发展水平、风险水平和现金流动性等六个方面的25个财务指标和反映公司规模、公司治理结构、社会责任、股权结构、政府补助、科研能力、违规情况等七个方面的18个非财务指标作为初始研究指标，并运用K-S检验对43个指标进行正态性检验，用Lasso回归算法对指标进行特征选择，最终选取了具备区分样本类别的33个指标。第三步，按照7：3的比例分割样本，用SVM多分类模型进行建模训练，并对测试样本对进行预测检验，最终实现了89%的精确率。　　实证结果表明：经过筛选后的指标能够区别多类信用水平的公司，用这些指标建立模型，预测上市公司是否即将发生信用风险具有可能性。基于SVM方法建立的信用风险评估模型判别效果较好，并且经过参数调优的SVM模型预测的准确率明显提高。模型具有实用性，可以为投资者及管理部门选择合适的模型预测公司的信用状况，提供决策参考。

目录

声明

导论

一、选题背景

二、研究意义

三、国内外文献综述

（一）企业信用风险界定和分类方面

（二）企业信用风险评估模型选择方面

四、研究内容和方法

第一章 信息技术企业信用风险评估的理论概述

第一节 信息技术企业的定义和特点

一、信息技术企业定义

二、信息技术企业特点

第二节 信用风险概述

一、信用风险定义

二、信用风险特点

第三节 信用风险评估的理论基础

一、信息不对称理论

二、博弈理论

第二章 信息技术企业信用风险评估的相关方法介绍

第一节 企业信用风险评估方法概述

一、传统信用风险度量方法

二、现代信用风险度量方法

三、人工智能模型的信用风险度量方法

第二节 支持向量机方法概述

一、SVM二分类方法介绍

二、SVM多分类方法介绍

第三章 信息技术企业信用风险评估的模型构建

第一节 样本及指标的选取

一、样本选取和数据来源

二、指标体系构建

三、信息技术企业信用风险分类设计

第二节 描述性统计分析和指标筛选

一、描述性统计分析

二、样本平衡处理和指标筛选

第四章 信息技术企业信用风险评估模型的实证分析

第一节 信用风险评估模型的建立与调优

一、数据归一化

二、SVM多分类模型构建

三、SVM多分类模型调优

第二节 高科技企业信用风险评估模型的评价

一、模型性能评价

二、经济意义评价

结论与展望

一、结论

二、展望

参考文献