基于PSO-SVM模型下信用风险评估分析

【摘要】：目前,我国经济正处于增速阶段性回落的“新常态”阶段,经济增长放缓,这就使得企业面临着更大的发展压力,偿债能力也随着压力的增加而下降,企业发生信用风险的可能性提升。同时,由于当前社会受“信用经济”的影响越来越深入,这也就对进行企业信用风险评估的方式方法有了更高的要求。在这种新形势下,提升企业信用风险的评估能力,完善与企业经营特点相适应的信用风险评估流程显得尤为迫切。使其可以做到不仅为债权人、投资者在选择企业进行投资时提供可行的信用风险评估方式,也为银行在进行企业信用风险评估时提供参考。同时,完善的信用风险评估体系也可以使得企业更加重视自身的信用风险情况,从而降低发生信用风险的可能性,打造良好的信用经济环境,进一步促进我国“信用经济”的发展与进步。随着科技的进步以及大数据时代的到来,人工智能已经逐渐渗透到各个领域,已有不少学者在对企业进行信用风险评估的分析与研究中引入了人工智能的方法。本文在研究信用风险评估问题时,首先根据对国内外文献的总结与梳理,整理出信用风险评估体系的发展进程,并且对当下在评估企业信用风险方面的方法进行总结,对各自方法的优劣进行文献梳理。目前在评估信用风险问题上最为流行的方法就是人工智能模型,而其中有两种模型应用最为广泛,即神经网络模型和SVM模型,本文对其优劣进行了梳理比较,最终决定采用更适合小样本,且在评价信用风险问题上准确率更高的SVM模型,并且在SVM算法的基础上采用PSO算法对其优化,最后依据案例的特点以及适用性一层层地选择,构建信用风险评估体系。当然对信用风险评估进行研究不仅仅包括上述算法的选择,还需要对信用风险评估的指标进行选择,评价一件事物首先就要找到可以对其进行描述的维度,而企业的各项指标就是描述信用风险的维度,指标的选择是否恰当,是否完整直接关系到评估结果是否准确。本文在对信用风险评价指标进行选择时,首先通过对文献的梳理,总结得出评价指标不仅要包括财务指标,非财务指标对描述信用风险问题也有一定的说服力,所以本文采用将财务指标与非财务指标结合的方式,同时对企业信用风险问题进行评价。在选择指标时,本文借鉴之前文献对指标的选择,以及结合具体情况与指标选取的原则这三个要素,最终选取了20个指标,包括18个财务指标与2个非财务指标,涵盖评价一个企业信用风险的各个方面。对企业信用风险评估进行研究,最终还是要落在实际的应用上面,本文在理论研究的基础上构建了信用风险评估体系后,采用案例研究的方式,用实际应用的情况进一步对企业信用风险评估问题进行研究。首先,本文选择~*ST索菱作为研究案例,先对其公司背景进行介绍,再对其发生信用风险的整个过程进行阐述,然后分析其发生信用风险的原因。最后将~*ST索菱的数据分别代入SVM与PSO-SVM两种模型的评估体系中,预测其是否会发生信用风险,结果显示SVM未能预测到~*ST索菱会爆发信用风险,而PSO-SVM的预测结果与实际情况吻合,所以在~*ST索菱这一案例上PSO-SVM模型的评估体系表现更好。最后,通过本文对现阶段信用风险评估体系的研究,发现我国在评估企业信用风险时存在诸多问题,而且由于评估体系不完善又进一步增加了企业发生信用风险的可能性,两者之间相互影响,使得信用风险问题愈演愈烈,本文在最后对这些问题进行了总结并且根据在研究过程中的学习与理解提出了相对应的政策建议,希望可以为我国在完善企业信用风险评估体系时有所帮助,也希望可以加快我国对企业进行信用风险评估体系的开发与研究,早日为债权人、投资者以及银行进行信用风险评估提供科学的辅助手段,不断提高信用风险评估的能力和效率,降低企业发生信用风险的可能性,打造良好的信用环境。