基于IG-SVM模型的供应链融资企业信用风险预测

发布时间：2021-11-06 03:30

　　为了提高对供应链融资中小企业信用风险预测的精度,在通过对中小企业信用风险评价研究基础上集成机器学习算法构建了能够提高信用风险预测的组合模型。该模型采用支持向量机（Support vector machine,SVM）建立供应链中小企业信用风险分类预测模型,并引入信息增益（Information gain,IG）提取对预测结果有显著贡献的特征变量,优化模型特征输入。在与其他模型的对比实验中可知,采用IG-SVM模型预测的测试样本精确度为97.62%,比单一SVM模型精度提高8.97%。采用IG进行特征优化,能进一步提高SVM模型的预测能力。 

【文章来源】：南京理工大学学报. 2020,44(01)北大核心CSCD

【文章页数】：10 页

【部分图文】：

IG-SVM分类预测模型流程示意

【参考文献】：
期刊论文
[1]供应链金融的信用风险识别及预警模型研究[J]. 李健,张金林.  经济管理. 2019(08)
[2]基于支持向量机的云计算资源负载预测模型[J]. 赵莉.  南京理工大学学报. 2018(06)
[3]浅析供应链金融中信用风险的评价体系构建[J]. 肖瑾.  经贸实践. 2018(19)
[4]供给侧结构性改革期间系统性金融风险的SVM预警研究[J]. 淳伟德,肖杨.  预测. 2018(05)
[5]基于IG-LASSO模型的城市空气质量指数混合预测研究[J]. 刘炳春,郑红梅,张斌.  环境科学与技术. 2017(11)
[6]供应链金融下中小企业信用风险评价——基于SEM和灰色关联度模型[J]. 刘艳春,崔永生.  技术经济与管理研究. 2016(12)
[7]供应链融资视角下的商业银行信用风险传导机制研究[J]. 杨洋.  西部金融. 2016(12)
[8]基于不均衡数据的小企业信用风险评价[J]. 程砚秋.  运筹与管理. 2016(06)
[9]基于网络结构Logistic模型的企业信用风险预警[J]. 方匡南,范新妍,马双鸽.  统计研究. 2016(04)
[10]我国商业银行信用风险识别的多模型比较研究[J]. 刘祥东,王未卿.  经济经纬. 2015(06)



本文编号：3479077