基于LSTM-CNN的中小企业信用风险预测
Credit Risk Prediction of Small and Medium-Sized Enterprises Based on LSTM-CNN
查看参考文献16篇
|
文摘
|
针对中小企业的信用风险预测问题,文章提出了一种基于长短期记忆网络(Long Short-Term Memory,LSTM)-卷积神经网络(Convolutional Neural Network,CNN)的中小企业信用风险预测方法.首先,依据国标《企业信用评价指标》,结合中小企业的特点,构建中小企业信用风险预测指标体系,包括守信意愿、守信能力和守信表现三方面的财务与非财务指标;然后,优化LSTM-CNN的网络结构和参数,并使用Dropout方法与Batch归一化方法防止过拟合;最后,采集上市中小企业数据,对数据进行缺失值、标准化与过采样处理,利用LSTM-CNN自动提取信用风险特征,并进行信用风险预测.实验结果表明,文章构建的指标体系能够更为全面的反映信用风险状况,基于LSTM-CNN的中小企业信用风险预测效果优于其他信用风险预测模型,克服了传统方法无法对中小企业时序数据进行动态预测、忽视中小企业发展潜力与时间延续性的局限. |
|
其他语种文摘
|
Aiming at the credit risk prediction of small and medium-sized enterprises,this paper proposes a credit risk prediction method based on Long Short-Term Memory (LSTM)-Convolutional Neural Network (CNN) of small and medium-sized enterprises.Firstly,according to the national standard "Enterprise Credit Evaluation Index" and the characteristics of small and medium-sized enterprises,this paper proposes a credit risk prediction index system of small and medium-sized enterprises.The index system includes three kinds of financial and non-financial indicators:Credit intention,credit ability and credit performance.Then,this paper optimizes the network structure and parameters of LSTM-CNN,and applies Dropout and Batch Normalization methods to prevent over fitting.Finally,collecting the information of the listed small and medium-sized enterprises,and after missing value processing,standardization and oversampling,LSTM-CNN is applied to automatically extract features and predict credit risk.The experimental results show that the index system of this paper comprehensively reflect the credit risk situation.The credit risk prediction effect of small and medium-sized enterprises based on LSTM-CNN is better than the comparative models,which overcomes the limitations of traditional methods that cannot dynamically predict the time series data,and ignore the development potential and time continuity of small and medium-sized enterprises. |
|
来源
|
系统科学与数学
,2022,42(10):2698-2711 【核心库】
|
|
DOI
|
10.12341/jssms22488KSS
|
|
关键词
|
信用风险预测
;
长短期记忆网络
;
卷积神经网络
;
中小企业
|
|
地址
|
1.
北京信息科技大学经济管理学院, 北京, 100192
2.
智能决策与大数据应用北京市国际科技合作基地, 智能决策与大数据应用北京市国际科技合作基地, 北京, 100192
|
|
语种
|
中文 |
|
文献类型
|
研究性论文 |
|
ISSN
|
1000-0577 |
|
学科
|
社会科学总论;自动化技术、计算机技术 |
|
基金
|
国家重点研发计划课题
;
国家自然科学基金重点项目
|
|
文献收藏号
|
CSCD:7356064
|
参考文献 共
16
共1页
|
|
1.
范柏乃. 中小企业信用评价指标的理论遴选与实证分析.
科研管理,2003,24(6):83-88
|
CSCD被引
4
次
|
|
|
|
|
2.
王重仁. 基于卷积神经网络的互联网金融信用风险预测研究.
微型机与应用,2017,36(24):44-46,50
|
CSCD被引
2
次
|
|
|
|
|
3.
王鑫. 我国中小微企业信用评价研究现状与发展趋势.
征信,2021,39(5):62-70
|
CSCD被引
1
次
|
|
|
|
|
4.
Wei N. Credit risk evaluation of SMEs based on supply chain financing.
Management Science and Engineering,2016,10(2):51-56
|
CSCD被引
2
次
|
|
|
|
|
5.
张朝辉. 基于贝叶斯与神经网混合算法的电商信用评价方法研究.
情报科学,2020,38(2):81-87
|
CSCD被引
1
次
|
|
|
|
|
6.
张发明. TOPSIS-GRA法下的企业动态信用评价方法及其应用.
运筹与管理,2018,27(9):132-138
|
CSCD被引
5
次
|
|
|
|
|
7.
Szegedy C. Rethinking the inception architecture for computer vision.
Computer Science,2015
|
CSCD被引
3
次
|
|
|
|
|
8.
李新娟.
基于长短期记忆与卷积结合的深度学习模型及试应用.硕士论文,2018
|
CSCD被引
1
次
|
|
|
|
|
9.
赵红蕊. 基于LSTM-CNN-CBAM模型的股票预测研究.
计算机工程与应用,2021,57(3):203-207
|
CSCD被引
8
次
|
|
|
|
|
10.
.
GB/T 23794-2015,企业信用评价指标
|
CSCD被引
1
次
|
|
|
|
|
11.
肖汉杰. 相关向量机超参数优化的网络安全态势预测.
计算机应用,2015,35(7):1888-1891
|
CSCD被引
4
次
|
|
|
|
|
12.
Nair V. Rectified linear units improve restricted Boltzmann machines.
Proceedings of the 27th International Conference on Machine Learning (ICML-10),2010:807-814
|
CSCD被引
62
次
|
|
|
|
|
13.
Ioffe S. Batch normalization: Accelerating deep network training by reducing internal covariate shift.
International Conference on Machine Learning,2015
|
CSCD被引
33
次
|
|
|
|
|
14.
Koltchinskii V. Complexities of convex combinations and bounding the generalization error in classification.
The Annals of Statistics,2005,33(4):40-42
|
CSCD被引
1
次
|
|
|
|
|
15.
周颖. 基于最优指标组合的企业信用风险预测.
系统管理学报,2021,30(5):817-838
|
CSCD被引
10
次
|
|
|
|
|
16.
李毅. 基于不平衡样本的互联网个人信用评估研究.
统计与信息论坛,2017,32(2):84-90
|
CSCD被引
3
次
|
|
|
|
|
了解气象卫星更多信息，请访问