基于随机森林的供应商信用风险管理研究

摘要

cqvip:一个合理的供应商管理制度对于企业与供应商建立长期的信任关系具有重要的作用,信用风险是影响这种合作关系的主要风险因素。受限于供应商数据的真实性及信息维度的多样性,采用传统的综合评分法进行信用管理的风险较高。因此,本文试图采用随机森林算法构建适用于供应商选择的信用风险管理模型。结果显示,随机森林算法对于不合格供应商的预测精度较高。作为稳健性测试,本文也构建了其它机器学习算法进行精确度的对比分析。以试图从采购源头上解决信用风险问题、提出供应商的管理建议。