基于流形学习的企业信用风险组合评价模型

摘要

为精准预测企业潜在的信用风险,构建基于流形学习的信用风险评价模型。首先,计算企业违约情况与财务指标的相关系数,剔除掉相关性弱的指标。其次,基于流形学习的局部线性嵌入方法对剩余指标数据进行约简,利用贝叶斯模型、决策树模型和BP神经网络模型对企业的信用风险进行分类评价,构建基于诱导有序集成的组合评价模型。对300家创业板上市企业数据进行仿真分析,为验证模型的有效性,在300家公司中(其中270家为训练样本,30家为测试样本)随机选取2组样本,使用ST公司被执行特别处理(special treatment,ST)前一年的数据进行测试,结果表明组合模型具有更高的稳定性和分类精度。