基于机器学习法的企业海关风险评估模型研究——以大豆加工贸易企业为例

摘要

随着中国对外贸易量的大幅增长,海关监管任务加重.实际监管中违法违规的贸易量只占小部分,无差别检查将造成资源浪费.为合理化分配有限资源,提高监管效率,海关引入了风险管理,通过企业海关风险评估,对有潜在风险的企业贸易进行重点检查,并为守法企业提供贸易便利,但现有海关风险评估依赖于较难以获取的企业内部数据和海关积累的历史数据,不仅评估过程困难,而且对无积累数据海关新注册企业无法进行评价.以大豆加工贸易企业为例,寻找更易获取的企业公开信息作为评估指标,并利用机器学习法构建评估模型,选取8个指标作为评估依据,确定了SMOTE+Adaboost模型作为大豆加工贸易企业风险评估模型,模型的准确率达89.71％,且对不均衡样本具有良好识别能力.该模型在降低指标数据获取难度的同时,对新注册企业同样可实现有效评价.最后,对模型应用前景进行了展望.