基于数据挖掘的汽车经销商信用评级研究

发布时间：2020-06-03 23:55

【摘要】：当今中国经济的发展已进入了新常态,中国汽车的销售增速也有所放缓。汽车经销商作为汽车销售的重要渠道,但是,经销商企业普遍存在资金短缺、周转困难等问题。车企为了缓解经销商的经济压力,将根据经销商的经营情况,授予其适当的信用额度,然而,经销商和车企在相互合作的过程中还存在着信用缺失等问题,一些信用缺失的经销商使车企承受风险。因此,对经销商进行信用评级,可以帮助提高经销商的信用水平,从而使经销商和车企的合作更加紧密,市场竞争力也会得到相应的提高。论文在阐述信用评价方面的国内外研究动态的基础上,从汽车制造企业的角度出发,以汽车经销商为研究对象,针对指标评价体系中存在的主观因素和评级模型进行分析与研究。最后,结合校企合作项目,通过具体案例证实了模型的有效性和可靠性。具体的研究内容如下:(1)论文根据现有的信用指标体系,结合经销商的特点,构建了一套适用于车企对经销商的信用评级体系。首先,在对现有信用评级指标体系进行分析探讨的基础上,基于现有的样本数据构建了汽车经销商信用评级指标体系。接着,对体系中的主观数据,如顾客满意度指标,通过网络爬虫技术获取数据,并进行文本数据挖掘,通过对评论数据进行观点倾向性分析,将定性的主观数据转化为更加直观的定量数据。另外,对体系中的样本数据的预处理方法和过程进行了研究,为信用评级模型的建立奠定了基础。(2)论文运用模糊神经网络算法对经销商进行了信用评分。在研究模糊神经网络理论和建模流程的基础上,结合车企对经销商的信用评级体系和样本数据,对信用模型进行仿真和优化。通过与传统的BP神经网络进行对比,其均方误差较BP神经网络下降了31.1%,并且它具有更好的泛化能力。(3)论文结合校企合作项目中的现状与需求分析,运用项目团队的企业信息化研究成果——亿库智能协同软件开发平台,对汽车经销商信用评级模型的信息化管理进行优化和设计。优化后的平台能将经销商进行关联管理,当出现信用风险时,能产生联动效应。论文研究实现了与实际应用有效的结合。
【图文】：

特征选取,样本处理

图 3. 2 特征选取结果图Fig 3. 2 Character selection result graph用的模糊神经网络在样本处理和训练次数方面要求标体系内容中典型的内涵并且数量精简，一方面对每

数据,可视化管理,可视化工具,调度器

当调度器不存在任何的请求或者出现异常情况时，整个程序才会停止。通过测试，，本文利用 Scrapy 框架，成功爬取了 315 汽车投诉平台所需的数据，并存入 Mysql 数据库中，利用 SQLyog 可视化工具，对数据进行可视化管理。投诉数据如图 3. 4 所示。
【学位授予单位】：合肥工业大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：F426.471;TP391.1

【相似文献】